知识卡片
最优模型依赖任务与约束
某次邮件数据中调参后的逻辑回归胜出,只支持对应数据、表示、划分和搜索预算下的结论。真实结构、样本量、噪声与运行成本都影响选择;应保留简单基线,比较多个可行候选,再以独立测试验证。书中对当时行业采用情况的叙述不能代替当前证据。
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2 · 查看原书依据
没有所谓通用的“最优”算法,“最优”取决于具体的问题;3)你的模型效果一方面取决于真实的数据结构,另一方面也取决于你为模型的超参数调优所付出的努力,因此,如果你想得到令人信服和满意的结果,多花一点时间在模型的超参数调优上吧。 为了牢记并实际应用这些经验,我们希望你能自己动手,在邮
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2》(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:没有所谓通用的“最优”算法,“最优”取决于具体的问题;3)你的模型效果一方面取决于真实的数据结构,另一方面也取决于你为模型的超参数调优所付出的努力,因此,如果你想得到令人信服和满意的结果,多花一点时间在模型的超参数调优上吧。 为了牢记并实际应用这些经验,我们希望你能自己动手,在邮