知识卡片
树数在精度和资源间取舍
树数是训练前设定的超参数。增加树数有助于减小随机性造成的波动,收益趋稳后仍会增加模型大小及推理工作。固定验证折,比较树数和深度对误差、耗时、内存的影响。
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
- · 第7章 随机森林
原书出处 · 1 处
- 随机森林 7.2 · 查看原书依据
mators越大,需要的计算量和内存也越大,训练的时间也会越来越长。对于这个参数,我们希望在训练难度和模型效果之间取得平衡。
参考来源
- 位置:《AI制胜:机器学习极简入门》第7章 随机森林 §7.2(来源项目 book-source:extracted/AI制胜:机器学习极简入门/_epub-src/OEBPS/Text/chapter7.xhtml#isbn9787302555513_7_1_2)
- 结论依据:原文区分参数与超参数,使用红酒数据和交叉验证比较单树与森林。
- 原始内容:mators越大,需要的计算量和内存也越大,训练的时间也会越来越长。对于这个参数,我们希望在训练难度和模型效果之间取得平衡。