知识卡片
网格搜索与随机搜索
超参是学习算法需单独优化的参数(如逻辑斯谛回归正则系数、决策树深度),区别于训练学到的参数(如回归系数)。网格搜索 GridSearchCV 对指定超参列表暴力穷举、评估每个组合,用 bestscore/bestparams/bestestimator 取最优模型并用独立测试集评估;线性 SVM 只需调 C,RBF 核 SVM 要同时调 C 和 gamma。因穷举所有组合计算昂贵,随机搜索 RandomizedSearchCV 从参数分布中抽样固定次数组合以降低成本。
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
- 模型评估与参数调优实战 · 查看原书依据
网格搜索法非常简单,它通过对我们指定的不同超参列表进行暴力穷举搜索,并计算评估每个组合对模型性能的影响,以获得参数的最优组合
参考来源
- 位置:《Python机器学习》第6章《6.4.1 使用网络搜索调优超参》(源文件:`../../book-sources/extracted/Python机器学习/_epub-src/OEBPS/Text/part0090.xhtml.xhtml)
- 结论依据:原文直接支撑上述要点。
- 原始内容:网格搜索法非常简单,它通过对我们指定的不同超参列表进行暴力穷举搜索,并计算评估每个组合对模型性能的影响,以获得参数的最优组合