Python 模型超参数调优
1. 导读
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方法。
2. 超参数
在机器学习的上下文中,超参数是在开始学习过程之前设置值的参数,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:
- 树的数量或树的深度
- 矩阵分解中潜在因素的数量
- 学习率(多种模式)
- 深层神经网络隐藏层数
- k均值聚类中的簇数
超参数调整的好,对于提升模型的相关性能有一定的作用。
3. 书
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(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:
- 发现超参数空间和超参数分布类型
- 探索手动、网格和随机搜索,以及每种搜索的优缺点
- 了解强大的失败者方法以及最佳实践
- 探索流行算法的超参数
- 了解如何在不同的框架和库中调整超参数
- 深入了解 Scikit、Hyperopt、Optuna、NNI 和 DEAP 等顶级框架
- 掌握可立即应用于机器学习模型的最佳实践
实战
目前该书籍的Github
仓库已有70Star
,正在持续增长。
本书还在Github中提供了许多实例,用于查看书中提到的所有示例的结果。
留言或私信小编,可领取《神经网络与深度学习》一书,帮助小伙伴们更快入门深度学习。
本文由mdnice多平台发布
标签:Python,模型,学习,调优,参数,调整 From: https://www.cnblogs.com/swindler/p/16726630.html