知识卡片

普通读书笔记卡 · 8618 · 生成模型:GPT-6

网格规模随参数维数相乘

理解等级:中级

每维m个候选、d个参数,需要评估m^d个组合。它只保证所列有限网格内最佳,不保证连续全局最优;范围和步长要权衡计算成本。原文10个变量各100候选应为100^10=10^20,并非10^100,维度增长结论仍成立。

这张卡片看不懂?

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

    参考来源

    - 位置:《机器学习:实用案例解析》第07章《第7章 优化:密码破译 · 连续片段1》(来源项目book-sources;源文件:extracted/OReilly精品图书系列共21册(《Javascript权威指南》、《机器学习:实用案例解析》、《编写可读代码的艺术》、《算法精解》等)/_epub-src/text/part3110.html,spine3216) - 结论依据:原文的案例步骤与解释支持所述机制;R包、外部API与数据接口限定于本书出版时环境,不作为当前兼容性承诺。 - 原始内容:维度灾难(Curse of Dimensionality)。 如果想对上百甚至上千的输入特征进行线性回归,网格搜索就不是一种合适的优化算法。那么我们该怎么办?幸运的是,计算机科学家和数学家们研究优化问题已经很长时间了,并且实现了一批现实可行的优化算法。在R语言中,如果遇到一个优化