本文将对超参数进行简要的解释,并推荐一本利用Python
进行超参数调整的书籍,其中包含了许多超参数调整的方法,对于刚刚学习深度学习的小伙伴来说,是一个不错的选择。
在机器学习的上下文中,超参数[1]是在开始学习过程之前设置的参数,而不是通过训练得到的参数数据。通常情况下,需要对超参数进行优化,给学习机选择一组最优超参数,以提高学习的性能和效果。
超参数的一些示例:
超参数的调整,对于提升模型的相关性能有一定的作用。
封面
超参数是构建有用的机器学习模型的重要元素。本书为 Python 超参数调整方法[2](机器学习最流行的编码语言之一)。除了深入解释每种方法的工作原理外,还将使用决策图来帮助确定满足需求的最佳调整方法。
这本书涵盖了以下令人兴奋的功能:
目前该书籍的Github
仓库已有70Star
,正在持续增长。
Github仓库
本书还在Github[3]中提供了许多实例,用于查看书中提到的所有示例的结果。
参考资料
[1]
超参数: https://baike.baidu.com/item/%E8%B6%85%E5%8F%82%E6%95%B0/3101858
[2]
书: https://www.packtpub.com/product/hyperparameter-tuning-with-python
[3]
Github: https://github.com/PacktPublishing/Hyperparameter-Tuning-with-Python