@Author：Runsen

機器模型中一般有兩類參數，一類是可以從數據中學習估計得到，我們稱為參數（Parameter）。還有一類參數時無法從數據中估計，只能靠人的經驗進行設計指定，我們稱為超參數（Hyper parameter）。超參數是在開始學習過程之前設置值的參數。相反，其他參數的值通過訓練得出。

在機器學習中，怎么對超參數Hyper parameter優化？我總結了以下常見的方法

超參數優化

超參數優化是機器/深度學習中最常見的方法之一。機器學習模型調優是一種優化問題。我們有一組超參數（例如學習率、隱藏單元的數量等），我們的目標是找出最小值（例如損失）或最大值（例如精度）的組合。

使用的數據集是信用卡欺詐檢測 Kaggle 數據集，具體下載鏈接：https://www.kaggle.com/mlg-ulb/creditcardfraud

import pandas as pd df = pd.read_csv("creditcard.csv")

首先，

總結

以上是生活随笔為你收集整理的在机器学习中，怎么对超参数Hyper parameter优化？我总结了以下常见的方法的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。