知识卡片
调参预算也是比较条件
一个模型充分搜索lambda,另一个只用默认cost,结果混合了算法与投入差异。应公开搜索范围、训练时间、验证次数和停止条件;同等预算或实际部署约束下比较更有解释力。默认SVM胜负不能用来证明数据边界一定线性。
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
- 第12章 模型比较 算法比较 · 连续片段1 · 查看原书依据
花费的心血与时间。如果你在一个模型调优上花费的时间比另一个模型多,那么它们之间效果的部分差异,很可能正是因为你为那个模型所花费了更多的调优时间,而不是因为这两个模型本身的优劣。 基于上面的原因,让我们继续评估线性核函数SVM在测试数据集上的效果吧: predictions<-pr
参考来源
- 位置:《机器学习:实用案例解析》第12章《算法比较 · 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/part3125.html,spine3231)
- 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:花费的心血与时间。如果你在一个模型调优上花费的时间比另一个模型多,那么它们之间效果的部分差异,很可能正是因为你为那个模型所花费了更多的调优时间,而不是因为这两个模型本身的优劣。 基于上面的原因,让我们继续评估线性核函数SVM在测试数据集上的效果吧: predictions<-pr