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
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
浏览 4修改于2015-11-07得票数 4
回答已采纳
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
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
我正在对多个模型进行超参数调优，并比较结果。通过5折交叉验证选择每个模型的超参数。我使用sklearn.model_selection.KFold(n_splits=5, shuffle=True)函数来获得一个折叠生成器。在查看了有关KFold的文档和一些模型的源代码后，我怀疑每个模型都创建了一组新的折叠。我想让事情变得更公平，并对我正在调优的所有模型使用相同的(最初是随机的)折叠。
浏览 4提问于2020-06-23得票数 2
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("./Figures/svm/svmFit_all.pdf", width=7, height
浏览 1提问于2015-08-27得票数 2
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
众所周知，在时间序列中，我们通过被称为窗口的模型对时间序列数据进行一次一次的处理。我们滑动窗口，下一个窗口又是我们的输入。由于我刚刚开始从事深度学习和时间序列领域的工作，我的问题是，如果我们对某个深度学习模型进行某些窗口大小的调优，那么如果使用相同的调优模型来获得相同数据上的一些不同窗口(例如15)的精度，或者模型应该再次对后一个窗口进行调优目前，如果我使用相同的模型为不同的窗口，然后我得到的准确性
浏览 0提问于2019-07-23得票数 0
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
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
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
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
使用前5个变量的随机森林回归的R^2为0.1.另一种只使用第六个变量的回归得到了0.3的R^2。前5个变量均与变量6无关(绝对值<0.1相关)。为什么所有6个变量的回归R^2为0.31或0.29，即在第6个变量中添加前5个变量只会显著提高绩效0.01，甚至降低绩效？请注意，所有模型都是通过随机搜索、交叉验证调优深度、特性数量、分割和树数进行调优的。
浏览 0修改于2018-12-19得票数 1
通过实例选择的模型有: Lasso模型、随机森林模型、SVM模型、线性模型和神经网络模型。为了调优某些模型，我打算使用Max：的引用。但是，由于每个模型都需要不同的调优参数，所以我怀疑如何设置它们： number = 6,
浏览 1修改于2019-03-08得票数 1
我正在调优支持向量机，使用for循环在超参数的空间范围内搜索。学习到的svm模型包含以下字段 C: 2 Score:Question2)，我正在调优BoxConstraint，C值。让我们用变量featsize来表示特性的数量。变量gridC将包含搜索空间，该空间可以从任何值(例如2^-5、2^-3、到2^15等)开始，因此，gridC =
浏览 0提问于2018-07-09得票数 0
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