回答情况：
提问时间：
问题标签：
,data=dat,kernel="radial",ranges=list(cost=c(0.001, 0.01, 0.1, 1,5,10,100),gamma=c(0.001, 0.01, 0.1,1,5,10)))
在支持向量机模型中，我使用调优函数来优化我的伽玛和成本参数。对于小型数据集，tune()只需少量时间即可生成最佳模型。但是对于一个非常大的数据集，这需要很长的时间。因此，是否可以添加一个进度条或百分比来监视我们的模型
浏览 0修改于2017-11-01得票数 2
我用了三个平行的句子文件来训练我的自定义翻译模型。没有字典文件，也没有调优文件。训练结束后，我检查了测试结果，我想在模型中做一些调整。以下是几个问题：
无法看到自动生成的调优文件，因此我必须提供自己的调优文件，以便进行更易于管理的调优过程。是这样吗？请描述
浏览 3提问于2020-04-10得票数 2
1回答
当我使用hyperopt库来调优随机森林分类器时，我得到了以下结果：然而，当我使用默认的超参数来训练模型时，所有的评估指标(精度、召回、F1、iba、AUC)都会返回比调优模型更高的值。我还应该继续跟踪调优参数吗？或者忽略调优过程的结果，因为它无助于改进结果？
浏览 0提问于2019-05-27得票数 4
目前我正在使用为我训练一个预测模型。然而，训练数据相当大，所以我使用的是核心外学习。clf.partial_fit(X_train, y_train, classes=classes)但看起来，由于GridSearchCV有没有一种方法可以调优超参数，同时仍然使用内核外学习？
浏览 0修改于2017-09-23得票数 3
1回答
除了使用验证数据来调优超参数之外，将验证数据包含到模型中还有其他好处吗？那么，如果我们不调优超参数，那么验证集就没有意义了？
浏览 0修改于2020-02-28得票数 2
回答已采纳
重点是，我需要从预测函数中调优的值。in modelFit$tuneValue : $ operator not defined for this S4 class")1-我什么时候应该这样做
浏览 2修改于2015-09-02得票数 0
回答已采纳
我经常使用非常大的数据集，在构建机器学习模型时检查所有相关的超参数组合是不切实际的。我正在考虑随机采样数据集，然后使用该示例执行超参数调优。然后，我将使用所选的超参数使用完整的数据集来训练/测试模型。
这种方法的缺点是什么？
浏览 0提问于2019-01-16得票数 1
回答已采纳
1回答
我使用R中的插入符号包来使用立体主义模型树构建一个回归模型，该树有两个调优参数：我认为我试图不正确地实现调优参数，需要一些帮助来解决这个问题。按照插入符号站点上的示例，我为优化参数构建了一个网格，如下所示：然后，我使用如下的火车函数调用网格我得到了以下错误：
Something is wrong;
浏览 4修改于2016-04-01得票数 3
回答已采纳
我有一个线性模型，该模型具有一个加权因子，该因子对最近的观察结果进行加权。权重使用调优参数，我希望使用调优网格对其进行优化。下面是一个简单的示例：require(caret)dt <- data.table(y = rnorm(10),
model <- train(y ~
浏览 0提问于2017-08-07得票数 2
1回答
我已经制作了许多具有不同调优集的模型(同时确保训练、调优和测试集之间没有重叠)，但没有一个模型的得分高于随机选择的一个集合。可以看到随机调优集中有哪些句子吗？
浏览 0提问于2019-02-05得票数 0
我试图用caret package拟合R中的logistic回归模型。family="binomial",但是，我不确定这个模型的调优参数应该是什么，而且我很难找到它。目前，我收到了以下错误-
你对如何解决这个问题有什么
浏览 0修改于2018-01-12得票数 6
回答已采纳
当使用R caret对同一数据集中的多个模型进行比较时，如果为所有模型指定了相同的tuneLength，而没有指定特定于模型的tuneGrid，则caret足够聪明地为不同的模型选择不同的调优范围。例如，caret为一个特定数据集选择的调优范围是：gamSpline(df)：1，1.5，2，2.5，3有人知道caret
浏览 4修改于2015-11-07得票数 4
回答已采纳
我用GPU训练了很多模型。我想调优网络的架构，所以我对不同的模型进行了顺序的训练，以比较它们的性能(我使用的是keras-tuner)。
问题是有些模型非常小，而另一些则非常大。我有TF_FORCE_GPU_ALLOW_GROWTH到true，这意味着当一个模型需要大量内存时，GPU就会分配它。然而，一旦大模型已经训练，内存将不会释放，即使下一个训练是小模型。如果是这样的话，我会很高兴有一个手动发布，我可以添加一个回
浏览 7提问于2022-10-25得票数 1
在嵌套的cv中(我在培训、 validation 和测试集合中这么说)，应该是:在内部循环中，对每个训练集应用过滤器，然后调优我们感兴趣的参数，并在验证集中进行测试。在内循环中，我们可以得到最佳的调优参数和与其相关的特征集。我想知道的是，内部最优的调优参数将返回给外部循环训练，我假设有两种可能的模型：
--内部最佳调优模型--只返回最佳调优参数，而不是所选特性子集。因此，在外部循环
浏览 2提问于2020-01-13得票数 0
回答已采纳
我正在运行一个4倍交叉验证的超参数调优使用sklearn的'cross_validate‘和'KFold’函数。假设我的训练数据集已经被洗牌了，那么在分割成批/折叠(即KFold函数中的洗牌参数)之前，我是否应该对每一次超调参数调优重新洗牌数据？我注意到，超参数调优过程的结果将是不同的，这取决于在将数据分割成折叠之前对数据进行洗牌。
我假设，如果结果取决于洗牌，那么模型就不稳定了。这是正确的吗？然而，这也可能对模型
浏览 0提问于2020-02-27得票数 3
回答已采纳
是否可以使用ML引擎调优超参数以在本地训练模型？文档只提到了在云中使用超参数调优进行培训(提交作业)，而没有提到在本地进行培训。否则，是否存在另一种常用的超参数调优，将命令参数传递给task.py，如人口普查估计器教程中所述？
浏览 2提问于2018-11-30得票数 1
代码将一个大文档加载到内存中，并在循环中处理它。如果我在这个循环中停止(在调试模式下)或添加GC.Collect()，内存使用量就会降到70MB以下。
如何调优GC？有没有调优GC的最佳实践？
浏览 1修改于2012-12-11得票数 3
回答已采纳
1回答
我有一个托管在Wildfly10上的JSF应用程序，由于某些原因，当web客户端是75+时，我看到的是空白页面。在Wildfly中可能有默认的威胁池限制？你能给我一些一般性的建议来解决这个问题吗？
浏览 0提问于2016-09-11得票数 2
我试图为包含超过2000000行的数据集运行一个回归模型。在不调优模型超参数的情况下，尝试使用线性回归和增强决策树回归，没有达到预期的精度。因此，我尝试使用调优模型的超参数作为增强决策树，该模型运行超过20分钟。决策林还需要长时间的to0 (即使没有调优模型的超参数)。有没有办法在不影响结果准确性的情况下减少运行时？
浏览 0提问于2017-12-10得票数 0
回答已采纳
我使用Caret软件包来调优支持向量机模型。svmGrid <- expand.grid(sigma= 2^c(-25, -20, -15,-10, -5, 0), C= 2^c(0:5))pdf(".
浏览 1提问于2015-08-27得票数 2
回答已采纳
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号