1回答
我有两个回归模型，rf1和rf2，我想找出允许rf1的输出在20到26之间的变量的值，并且rf2的输出应该低于10： ? 我试过网格搜索，但什么也没找到，请你知道怎么用启发式(模拟退火或遗传算法)来做，请帮我 您可以在此存储库here中找到此示例的代码 library(randomForest)
model_rf_fines
浏览 30提问于2020-06-21得票数 1
回答已采纳
3回答
随机搜索是机器学习中超参数优化的一种可能。将随机搜索应用于RBF核支持向量机分类器的最佳超参数搜索。除了连续成本和伽马参数外，我还有一个离散参数，以及对某些参数的等式约束。现在，我想进一步发展随机搜索，例如通过自适应随机搜索。这意味着，例如，调整搜索方向或搜索范围。
是否有人知道如何做到这一点
浏览 9提问于2016-05-19得票数 2
回答已采纳
3回答
在回顾“应用预测建模”a审查员陈述时：
我对统计学习(SL)教学法的一个批评是，在评估不同的建模技术时缺乏计算性能方面的考虑。由于它的重点是引导和交叉验证来优化/测试模型，SL是相当计算密集型的。再加上重新采样技术，比如打包和增强技术，你就有了对大型数据集进行有监督学习的计算地狱的幽灵。事实上，R<e
浏览 0提问于2014-05-14得票数 11
回答已采纳
我知道在H2O中有不同的方法来执行超参数优化，比如H2OGridSearch，H2ORandomSearch。然而，当我们使用H2OAutoML一次训练多个模型时，是否有一种方法可以包含超参数优化方法？它是否已经将其包含为默认设置？任何输入都是有益的。
浏览 2提问于2020-07-09得票数 1
2回答
这里是关于科学学习中的超参数优化过程的概述。随机搜索比网格搜索速度快，但方差过大。在其他包中也有其他策略，包括scikit优化、自动滑雪和scikit超带。
什么是最有效的方法(快速找到合理的</
浏览 0提问于2019-03-13得票数 11
2回答
我有一个两类预测模型；它有n可配置(数字)参数。如果您对这些参数进行适当的调优，该模型可以很好地工作，但是很难找到这些参数的具体值。我使用网格搜索(例如，为每个参数提供m值)。这就产生了学习m ^ n的时间，即使在一台有24个核的机器上并行运行也是非常耗时的。这是一个精度(三角形)和回忆(点)的样本图，用于阴性(红色)和阳性(蓝色)样本：简单地为每个参数取“胜利者”值，
浏览 5提问于2015-07-17得票数 3
回答已采纳
无论是随机初始化，还是代际(或代内)子例程中的任意性，如交叉选择或随机突变，在EAs领域中，禁欲主义是相当普遍的。您在这本日记或这一个中找到的几乎所有东西都属于这个类别。直接搜索算法由费米与大都会提出，然后由胡克和吉夫斯推广到广义模式搜索(GPS)中，将重的正碱基的使用扩展为网格，直接搜索算法与经典的法算法相似，它们使用具有底层
浏览 0提问于2020-09-03得票数 2
对于一组变量，我希望找到一个函数变成(接近)为零的变量组合。由于对这个函数的评估是相当昂贵的，我想使用贝叶斯优化。这里有一些python包，但是我需要一个随机版本，因为我的函数包含一些随机性。是否有提供随机高斯过程作为代理模型的包？
随机模型和“正常”模型的区别在于它们如何对待函数的评估。一个正常的</
浏览 0提问于2019-08-09得票数 1
我运行了一个网格搜索，它创建了x个深度网络(使用softmax作为输出，RELU用于隐藏层，以及梯度下降)，在预先指定的隐藏层中具有不同数量的隐藏节点。例如，如果我说检查所有单层模型，在这个例子中，网格搜索将创建100个深度网络，在单层中有1，2，3...100个隐藏节点。对于每个模型和每个时期，网格搜索将通过使用预先指定的批量
浏览 19提问于2016-09-13得票数 1
回答已采纳
当我使用默认参数运行fit并进行预测时，我会得到以下结果：F1: 0.9581087077004674site-packages\sklearn\metrics\classification.py:1135: UndefinedMetricWarning: F分数定义不清，在没有预测样本的标签中被设置为0.0。“精度”，“预测”，平均值，warn_for
浏览 0提问于2018-11-02得票数 4
我注意到，在一些消息来源中，作者首先用默认的超参数来训练模型(比如来自scikit-learn的模型)，模型自然会给出结果。然后，他们会尝试优化超参数，即使参数网格包含相同的默认参数(例如，对穷举网格搜索)，然后选择具有最佳参数的最优模型。如果穷举网格搜索(或任何其他技术)涉及到使用各种超参数
浏览 0提问于2021-09-22得票数 1
在你的算法中，当你使用梯度增强时，你喜欢RandomSearchCV还是GridSearchCV来优化你的超参数？
谢谢你分享你的经历。
浏览 0提问于2019-02-24得票数 2
回答已采纳
1回答
我正在处理一个不平衡的分类问题，在这个问题上，我的负面类比我的积极类多1000倍。我的策略是在一个平衡的(50/50比)训练集上训练一个深度神经网络(我有足够的模拟样本)，然后使用一个不平衡的(1/1000比)验证集来选择最佳的模型并对超参数进行优化。由于参数的数量很大，所以我想使用，即随机网格</e
浏览 5提问于2017-05-03得票数 3
回答已采纳
在教程中，数据集被分成三个不同的集合：(1) data_sets.train、(2) data_sets.validation和(3) data_sets.test。然而，在训练循环中，只使用data_sets.train进行训练。images_placeholder,并对模型的每个(step + 1) % 1000 == 0 or (step + 1) == FLAGS
浏览 0提问于2017-01-27得票数 3
如果您能让我知道在以下步骤中报告什么，我将非常感激-DM？评估模型:模型评估和修改后的参数设置应该报告什么？评估结果:对数据挖掘结果的评估应该报告什么？📷📷
对测试数据集的最终模
浏览 0提问于2018-06-17得票数 3
1-使用已定义的RBF SVC模型m，对参数C和伽马值0.01、0.1、1、10运行网格搜索。网格搜索应找到最适合调用的模型。这个模型的召回率比精确度好多少？(计算召回-精度到小数点后3位)2-使用已定义的RBF SVC模型m，对参数C和伽马值0.01、0.1、1、10运行
浏览 0提问于2019-02-01得票数 1
2回答
正如标题所述，我试图对一个巨大的数据集进行聚类，并使用sklearn.Birch进行增量学习。我很好奇是否有任何合适的/一般的方法来一批一批地调整参数？
浏览 0提问于2019-06-11得票数 0
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
对象存储
腾讯会议
云直播活动推荐
腾讯云开发者
