机器学习笔记-参数调优和评价指标
来源:互联网 发布:手写记事本软件 编辑:程序博客网 时间:2024/06/04 19:28
2种参数定义
在机器学习应用中,我们有两种类型的参数:
一个是从训练集中学得的参数,例如逻辑回归的权重;
另一个是为了使学习算法达到最优化可调节的参数,例如逻辑回归中的正则化参数或决策树中的深度参数。这种可调节的参数称为超参数(hyperparameters)。
grid_search优化参数
我们可以用验证曲线调节超参数中的一个参数来优化模型。现在,我们要用网格搜索这个更加强大的超参数优化工具来找到超参数值的最优组合从而进一步改善模型的性能。
网格搜索的思路其实很简单,就是列举出所有你想要调节的参数,然后穷举出所有参数组合,最后得出一个使模型性能最好的参数组合。
其他参考
以下博客讲解了几种常用的机器学习参数调优方法,包括:
- holdout和k-fold交叉验证评估模型
- 学习曲线和验证曲线
- grid search
- 性能指标之 precision, recall, 和 F1-score,ROC
http://blog.csdn.net/xlinsist/article/details/51344449
更多总结
更多相关总结,见后续。
阅读全文
1 0
- 机器学习笔记-参数调优和评价指标
- 机器学习评价指标
- 【机器学习】评价指标
- 【机器学习】评价指标
- 机器学习评价指标
- 机器学习模型评价指标
- 机器学习模型评价指标
- 机器学习算法评价指标
- 机器学习评价指标汇总
- 机器学习之评价指标
- 常见机器学习评价指标
- 机器学习模型的评价指标和方法
- 机器学习中的评价指标和应用场景
- 机器学习评价指标大汇总
- 机器学习中评价指标总结
- 机器学习模型评价指标 -- 混淆矩阵
- 机器学习评价指标大汇总
- 机器学习分类器模型评价指标
- php资料汇总网站
- opera 浏览器头 不是opera 打头
- [转] 介绍深度学习和长期记忆网络
- 编译hadoop
- 第二周实践项目一
- 机器学习笔记-参数调优和评价指标
- springMVC拦截器使用
- loadrunner运行报错:vuser_init.c(14): 错误 -27796: 连接服务器“127.0.0.1:1080”失败: “[10061]
- POJ 1015 Jury Compromise——01背包变形
- Unity_UGUI的事件系统
- 使用CDC的派生类进行绘图
- python中列表list的基本使用
- 3d旋转爱心
- 常用MIME类型