1回答
我正在使用optunta + catboost来优化和训练一些增强的树。我想知道优化超参数的正确方法，以最大限度地提高准确性(而不是最小化对数损失)。目前，我的代码是： def objective(trial): 'depth' = trial.suggest_int('depth', 4, 9),acc
study = optuna.create_s
浏览 19提问于2021-07-01得票数 1
我使用GridSearchCV来获得MLPClassifier的优化超参数(例如学习速率、隐层大小、激活)。但是对于一些数据集，虽然我将该参数应用到模型中，但分类精度并没有得到提高。例如，包含学习速率= a、隐层大小=b的datasets1精度比包含学习速率= c、隐层大小= d、从GridSearchCV获得的优化超参数的精度要低。
所以，我搞
浏览 3提问于2021-03-24得票数 0
超参数优化使用两种技术，如网格搜索、或随机搜索。梯度下降主要用于将损失函数降到最小。
这里查询是在什么时候我们将使用网格搜索和梯度下降。
浏览 1提问于2019-02-10得票数 2
我在研究神经网络的超参数优化。我运行了20个时代的模型。在计算出最佳的超参数之后，我再次单独运行相同的模型(现在没有超参数优化)，但是得到了不同的结果。不仅如此，我还发现执行超参数优化时所达到的值(精度)发生在最后一个时期(第20次)。另一方面，当我再次运行相同的</
浏览 1提问于2018-09-14得票数 1
回答已采纳
我正在寻找关于在SpaCy的自定义NER培训中提高召回率的建议(可能是通过超参数或不同的优化器)。 我目前正在训练SpaCy 2.2.3，以提取美国股票报价器作为自定义实体类型。我已经训练了大约40K个带有标记的新闻故事，这些新闻故事中标识了报价器，并尝试了使用默认超参数的默认Adam优化器。在测试集上，训练了30个时期(尽管我发现它们也与20个时期相似)后的统计数据如下: f1:
浏览 15提问于2019-12-21得票数 0
1回答
我想用Keras对我的传输学习模型进行超参数优化。我不知道该怎么做，因为我有两个阶段的训练，
解冻和训练网络。在和中，提出了一种基于传递学习的超参数优化方法--共享超参数优化。他们说，在这两个阶段之间共享一组超参数会得到最好的</e
浏览 5提问于2021-04-30得票数 0
1回答
我很难掌握如何使用交叉验证进行超参数优化和评估的标准方法。我试着做10倍的简历。下列哪一种方法是正确的？
所有数据都用于参数调整(例如，使用带有交叉验证的随机网格搜索)。这将返回最佳的超参数。然后，利用这些超参数构造了一个新的模型，它可以通过交叉验证(9倍的训练，1倍
浏览 1提问于2020-04-21得票数 0
回答已采纳
我有一个模型，可以预测三个等级的受伤程度:低、中和高。我希望在精确评分的基础上优化模型参数。然而，由于精度是特定类别的，我们可以分别确定低精度、中精度和高精度。有没有办法从混淆矩阵中确定“总体精度”之类的东西？
浏览 0提问于2018-03-24得票数 1
1回答
当使用异步超参数优化包(如scikit优化包或带有交叉验证的hyperopt包(例如cv =2或4)并将迭代次数设置为N(例如N=100)时，如果我期望：
损失值依次提高的顺序迭代之间的依赖关系(例如，迭代数10中的优化超参数优于在迭代数9中生成的优化超参数，等等)。在这种情况下，我应该始终选择在上一次迭代中生成的</e
浏览 0提问于2020-03-11得票数 1
回答已采纳
1回答
由于数据量大，使用sklearn的基于直方图的梯度增强分类器提供了一个训练速度快的模型，特别是用于使用交叉验证的超参数调优。
但我意识到我的数据集是不平衡的(10% 1's和90% 0's)。我在基于直方图的梯度增强分类器的基础上尝试了不平衡学习的平衡袋式分级机，并且能够在没有任何超参数调整的</em
浏览 0提问于2022-01-06得票数 0
2回答
何时调整深度学习中的超参数
、、、、
我目前正在使用不同的CNN和LSTM模型架构来解决我的多变量时间序列分类问题。问:我如何平衡不同模型的实验需求，如独立的CNN和CNN与LSTM之间的超参数调谐？有没有所谓的“过早优化”？我正在运行
浏览 0提问于2021-08-25得票数 1
我正在尝试创建一个度量来优化决策树分类器中正面类的True Positives的精度： average="binary")random_search = RandomizedSearchCVparam_dist
浏览 0提问于2018-09-19得票数 0
我想在R (mlrMBO)中的mlr包中使用基于模型的优化来调优我的超参数。这里推荐的迭代次数是多少？我读到MBO中必要的迭代次数取决于超参数的数量，应该乘以某个因子吗？
浏览 1提问于2018-10-31得票数 5
我对在训练阶段如何使用验证集感到困惑(像CNN这样的神经网络)？在Matlab或python(Keras)这样的平台中，我将数据集分为训练集、验证集和测试集。我知道验证集用于调优超参数(如神经元数目和学习速率)，假设使用SDG优化器，如何根据验证集进行调优？验证集是否只是给出了神经网络对不可见数据(验证集)表现的指示，然后基于此我手动设置了超参数？还是自动(优化器)调优超参数？
浏览 0提问于2020-07-19得票数 2
回答已采纳
我的机器学习模型数据集是cleaveland数据库，有300行和14个属性--预测一个人是否患有心脏病。但目的是建立一个logistic回归的分类模型。得到了82 %的准确率。为什么会这样呢？
另外，为什么我的模型每次显示不同的准确性？是因为每次服用不同的x_train、Y_train、X_test、Y_te
浏览 2提问于2021-03-04得票数 1
回答已采纳
1回答
结果如下：Cross-validation scores:[0.83913352 0.84428267 0.84872159 0.8460309 0.84123601]
通过计算交叉验证精度的平均值交叉验证的平均分数为0.8518。因此，我们可以得出结论，交叉验证不会导致性能的提高。基于GridSearch CV的超参数<e
浏览 0提问于2021-08-23得票数 0
回答已采纳
在我的模型评估算法中，我希望得到验证数据的模型预测，并应用一种基于验证数据和预测的模型和模拟现实场景的算法。在我的场景中，评估算法不仅依赖于真实目标值(y_true)和预测(y_pred)，而且还依赖于输入验证数据(X)来输出最终的模型得分。因此，对于我的用例，我似乎不能使用带有自定义度量的估计器。实现评估/评分算法对我来说很简单，但如何将评估算法的输出传递给ML引擎的超
浏览 5提问于2018-12-15得票数 1
回答已采纳
2回答
是否有一种方法来执行超参数调优在科学-学习梯度下降？虽然计算超参数梯度的公式可能比较困难，但通过计算超参数空间中的两个闭合点来计算超参数梯度是非常容易的。这一办法是否已有实施？为什么这种方法是个好主意呢？
浏览 2提问于2017-04-14得票数 19
回答已采纳
我正在尝试在Python语言中优化的超参数。
我有3个独立的数据集:训练/验证/测试。因此，我希望使用特定的验证集来调优超参数，而不是使用交叉验证方法，即中描述的“第一种方法”。现在，sklearn有一些很好的内置方法来使用交叉验证(例如)来优化超参数，但是如果我想用特定的
浏览 12提问于2021-11-04得票数 1
2回答
这里是关于科学学习中的超参数优化过程的概述。随机搜索比网格搜索速度快，但方差过大。在其他包中也有其他策略，包括scikit优化、自动滑雪和scikit超带。
什么是最有效的方法(快速找到合理的性能参数)的超参数</
浏览 0提问于2019-03-13得票数 11
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
腾讯会议
云直播
对象存储活动推荐
腾讯云开发者
