4.5 算法参数

作者: 学委叶哥 | 来源:发表于2020-11-10 17:05 被阅读0次

算法和参数的简单介绍

先拿两个图来展示一下

image image

步伐:第一个数字是学习新卡片选择【重来】的间隔,1 表示重来的间隔是 1 分钟,即一分钟后会重新出现。后面的数字是学习新卡片时选择【一般】的间隔, 5 10 表示第一次间隔 5 分钟,第二次间隔 10 分钟;

毕业间隔:学习新卡片后连续选择【一般】的间隔;

简单间隔:学习新卡片后选择【简单】的间隔;

开始简化:其实英文是 starting ease ,即初始简易度,这个决定了每次间隔之间的倍数

简单奖励:与选择【简单】的间隔有关;

间隔修饰符:与所有复习间隔有关。
失误次数-步伐:复习卡片选择【重来】的间隔;

新间隔:重来卡片连续选择一般/简单后,下次复习的【间隔】= 之前复习的间隔 * 【新间隔】,默认为 0;

最小间隔:因为新间隔算出来可能很小,如果小于最小间隔,就用最小间隔来替代下次复习的【间隔】;

难点阈值:设置难点阈值,即累计失误次数;

记忆难点动作:如果一张卡片的失误次数超过难点阈值,就会【暂停卡片】或者【仅标记】。


以上是所有与算法相关的术语,接下来就简单的说说算法吧!

首先,每张卡片的复习间隔都与卡片本身的简易度上一次的间隔和此次的选项有关

如果你按下了……

【重来】

卡片进入重新学习队列,简易度减少 20 个百分点(比如,原来的简易度是 250%,现在变成 230%)

【困难】

卡片的简易度减少 15 个百分点,当前的间隔乘以 1.2。

【一般】

当前间隔乘以当前简易度,简易度不变。(比如上一次的间隔是 10 天,简易度是 250%,那么下一次的间隔就是 10*250%=25(天))。

【容易】

当前间隔乘以当前简易度再乘以简单奖励,简易度增加 15 个百分点。(比如上一次的间隔是 10 天,简易度是 250%,那么下一次的间隔就是10250%130%=32.5≈33(天),简易度为 250%+15%=265%)。

所以呢?间隔修饰符有什么用呢?
由于间隔修饰符初始值为 100%,所以任何间隔都乘以 100%,即不变。如果你想增大任何间隔,就把它调整到大于 100% 吧。

PS:简易度最低为130%,算法默认重来8次就会暂停这张卡片,免得气到你,233。

PPS:研究算法源码后我还发现,算法调用了随机算法,所以同样进度的卡片在同样的选项下可能会有不同的间隔,可以错开复习时机。

关于修改参数的模拟结果,可以参考这一篇文章

相关文章

  • 2019-06-27-4.5 超参数

    4.5 超参数 超参数就是指在运行机器学习算法之前,需要指定的参数。 模型参数:算法过程中学习的参数。 KNN算法...

  • 4.5 超参数

    4.5 超参数 超参数就是指在运行机器学习算法之前,需要指定的参数。 模型参数:算法过程中学习的参数。 KNN算法...

  • 4.5 算法参数

    算法和参数的简单介绍 先拿两个图来展示一下 步伐:第一个数字是学习新卡片选择【重来】的间隔,1 表示重来的间隔是 ...

  • 3.2 制定计划

    本文暂不做介绍的内容都会在下面这篇文章介绍。 4.5 算法参数修改[https://www.kancloud.cn...

  • 《算法笔记》4.5小节——算法初步->二分

    @[TOC] Contest100000583 - 《算法笔记》4.5小节——算法初步->二分 4.5 二分理论与...

  • 十大机器学习算法的优缺点

    C4.5算法 C4.5算法的核心思想是ID3算法,是ID3算法的改进: 用信息增益率来选择属性,克服了用信息增益来...

  • 机器学习算法实现(二):C4.5

    C4.5算法的R语言实践 C5.0算法是C4.5算法的延续和升级,SPSS Modeler建模选项卡中也提供这种算...

  • C5.0算法

    C5.0算法是在C4.5算法的基础上提出的 C5.0和C4.5算法的对比: 1.都是通过计算信息增益率来划分结点,...

  • 第七节超参数

    超参数:在算法运行前需要决定的参数;模型参数:算法过程中学习的参数。KNN算法没有模型参数;KNN算法中的k是典型...

  • 机器学习4:局部加权回归

    参数学习算法,非参数学习算法 参数学习算法,用固定的明确的参数进行数据的拟合。比如线性回归。非参数学习算法,使用的...

网友评论

    本文标题:4.5 算法参数

    本文链接:https://www.haomeiwen.com/subject/cymjbktx.html