知识卡片
优化器选择参考
按数据/需求场景选优化器:
① 数据不太稀疏:默认用 Adam(β1=0.9、β2=0.999),实验效果明显优于 SGD/SGD-M,最常用。
② 数据稀疏或分布不平衡(部分用户/物料样本过少):用 AdaGrad,它对少见类别给较大学习率;但注意迭代久学习率趋0。
③ 需要 L2 正则:必须用 AdamW 而非在 Adam 损失里加 L2——Adam 中加 L2 会因梯度除以平方梯度和而被抵消,大权重反而惩罚不足;AdamW 把 λw 直接加到梯度上,等价于 Adam+L2,且无需在模型内再加正则(参见 [[神经网络优化器原理]])。
④ 追求极致可控/理论清晰:可用 SGD 或 SGD-M(动量 β1=0.9 缓解振荡与局部最优),但要接受噪声与收敛慢。
易错点:Adam 可能后期学习率振荡不收敛,可改二阶动量为固定窗口控制使其单调递减;Adam 可能对前期特征过拟合致后期难纠,学习率要配合调度。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
原书出处 · 1 处
- 神经网络模型调参 6.2 怎么为神经网络选择优化器 · 查看原书依据
因此, AdaGrad适用于数据稀疏 ( 某些用户数据或者物料数据过少 ) 或者分布不平衡的数据集
参考来源
- 位置:《推荐系统全链路设计:原理解读与业务实践》第6章《神经网络模型调参》(来源项目book-sources;extracted/推荐系统全链路设计:原理解读与业务实践/_epub-src/converter-master/example/312287/59.html;src-038)
- 结论依据:原文说明 Adam 适合不太稀疏数据且最常用、AdaGrad 适合稀疏、Adam 中加 L2 失效故提 AdamW 实现 Adam+L2,直接支撑本卡按场景选择及易错点。
- 原始内容:因此, AdaGrad适用于数据稀疏 ( 某些用户数据或者物料数据过少 ) 或者分布不平衡的数据集