机器学习工业界出现两种截然不同声音，一派是「调参」（优先实践，后理论），另一派是「理论」（优先理论，后实践）
其实都不对，老实说目前见到的「调参」就提升个 2-3 % （超参数），对商业很多问题不是特别重要，倒不如换个新算法或者弄个特征工程（增加新维度）。「理论」在工业界运用更加不靠谱，主要是理论与实际不贴切，比如:
好的做法是优先使用现有成熟方法，以最快速度跑通模型得出结果，比如：
机器学习工业界出现两种截然不同声音，一派是「调参」（优先实践，后理论），另一派是「理论」（优先理论，后实践） 其实...
神经网络对于的调参主要指超参数的调参，在众多超参数之中，批量大小（Batch Size）占有着举足轻重的作用。理论...
最近遇到一个bug通过vue路由跳转到页面，然后接参调接口，失败而直接刷新页面，其他逻辑不变，接参调接口，成功 苦...
课1 为什么学习公式： 选特征、调超参、换模型，称为调参工程师的三板斧，要想有章法地使用它们，理论基础还是必不可少...
1首先是数据增强，因为正常情况下，数据量往往不够，因此需要通过裁剪 2数据预处理，pca，normalizatio...
参数更新 神经网络的学习目的是找到使损失函数尽可能小的参数,即解决一个最优化问题.但是由于神经网络参数空间过于复杂...
死亡的神经元占的比例 RELU 文中给出了一种针对ReLU神经元的特殊初始化，并给出结论：网络中神经元的方差应该是...
转载https://www.sohu.com/a/241208957_787107 基本原则:快速试错 一些大的注...
1.lr用1e-2-1e-3结果较好。lr值小的话，上升test auc会比较慢，但最后结果说不定会比lr大要好。...
我们平时一直都在说“调参、调参”，但实际上，不是调“参数”，而是调“超参数” 1.参数（Parameter） 参数...
本文标题：其他|调参 or 理论
本文链接：https://www.haomeiwen.com/subject/fuvxjxtx.html
网友评论