问题是，要调优哪些参数，以及将这些参数设置为什么？我一直在查看网卡驱动程序上的参数，但我猜想windows中的设置也会影响网络堆栈以及TCP/IP、RPC、命名管道等的行为。“前端”机通过一个网卡连接正常网络，并通过另一个网卡上的1m补丁电缆连接到“后端”机器。“后端”机器只连接到“前端”机器。
浏览 0提问于2018-04-28得票数 0
回答已采纳
所以，我在这里的困境是，我在一个独立决策树分类器上执行了超参数调优，我得到了最好的结果，现在轮到独立的Adaboost，但是这里是我的问题所在，如果我在Adaboost中使用调优的决策树作为base_estimator，那么我只对Adaboost执行超参数调优，它会产生与尝试对未调优的Adaboost和未调优的决策树同时作为base_estimator执行超参数<
浏览 0提问于2021-09-15得票数 0
回答已采纳
1回答
作为其中的一部分，我有一个类表示我的调优参数。最后，我要检查所有的整定参数，并计算精度。例如，调优参数可以是k近邻的k值，从1到9。其次，我想为这个对象创建某种迭代器。方法getNextPair()应该返回下
浏览 5提问于2016-03-09得票数 0
回答已采纳
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提问于2020-02-28得票数 2
回答已采纳
1回答
Catboost调优顺序？
、、、、
因此，使用Catboost，您有参数要调优，还有迭代要调优。因此，对于迭代，您可以在打开overfit检测器的情况下使用交叉验证进行优化。对于其余的参数，您可以使用Bayesian/Hyperopt/RandomSearch/GridSearch。我的问题是在哪个顺序调优Catboost。我应该先调优迭代次数，还是先调优其他参数。很多参数都依赖于迭代次
浏览 1提问于2017-10-30得票数 0
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
是否对培训或验证数据集进行了超参数调优？post 这里对是否应该使用训练集进行超参数调整给出了不同的意见。我想知道是否可以在训练数据集上进行超参数调优？此外，我想知道为什么我们应该/不应该对训练数据集进行超参数调优的后果是什么。
提前感谢！
浏览 0提问于2023-05-08得票数 0
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
我正在学习扩展的TensorFlow，我可以看到它的训练管道包括一个用于超参数调优的"Tuner“组件。因此，我想知道在生产管道的情况下，包含调优是否是一个很好的实践(在大多数情况下，这是通过额外的新培训实例不时迭代地调用的)。我可以看到三种可能性：混合物的一些
浏览 0提问于2022-02-23得票数 0
2回答
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
浏览 0提问于2020-02-27得票数 3
回答已采纳
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，
浏览 2提问于2020-01-13得票数 0
回答已采纳
在特定情况下，我有一些超参数调优作业，在这些作业中，我希望对超参数调优作业中的超参数网格执行详尽的搜索。我该怎么做呢？我执行纯网格搜索的动机是:我观察到，针对完全离散类型的超参数的超参数调优作业多次评估相同的超参数组合，这是我不想要的。我怀疑这与贝叶斯优化的使用有关。这就是为什么我想对这些情况执行纯网格搜索的原因。
浏览 3提问于2018-01-19得票数 1
1回答
我在/etc/sysctl.conf中找到了一些关于为高带宽连接调优linux /IP堆栈参数的资源，但都参考了内核2.6。这个调优仍然需要吗?
浏览 0提问于2012-06-26得票数 0
2回答
但是当我开始学习的时候，我发现所有的方法都有一些调优参数，并且这些参数都有一系列可能的值。通过网格搜索，我们确定了一组优化函数的参数。但是有任何方法可以找到调优参数的可能域吗？此外，一些方法(如xgboost )具有大量的调优参数。有没有办法知道该调哪首歌，哪首歌该离开。我一直在使用sklearn python库。
浏览 0提问于2018-09-25得票数 2
如何控制在mlr3中的超带调优期间评估的配置数？我注意到，当我在xgboost()中调优6个参数时，代码会评估大约9种配置。当我在catboost()中调优相同数量的参数时，代码从评估729个配置开始。在这两种情况下，我都使用eta =3。
浏览 4提问于2022-02-08得票数 0
回答已采纳
我知道验证集用于调优超参数(如神经元数目和学习速率)，假设使用SDG优化器，如何根据验证集进行调优？验证集是否只是给出了神经网络对不可见数据(验证集)表现的指示，然后基于此我手动设置了超参数？还是自动(优化器)调优超参数？
浏览 0提问于2020-07-19得票数 2
回答已采纳
我一直在使用Optuna调优Catboostregressor的超参数。但是，我将其设置为100次迭代，因为有一个很大的数据集，需要很长时间才能调优。我想知道如果我现在点击jupyter笔记本上的“停止”按钮，我还能在我的下一个单元格中使用study.best_params和study.best_trials调用我的调优参数/输出吗？或者它会抛出一个错误，因为我在100%完成之前中断了调优(键盘中断)？我不
浏览 88提问于2021-10-25得票数 0
2回答
讨论了一些额外的调优性能参数，但没有提到任何关于最佳或中度设置的建议/建议。另外，我有以下SQL错误。不知道这是否与调优设置有关，因为我有所有稳定的构建，如bonecp0.8.0，0.6.0.1，play 2.2.2，play 0.6.0.1等等。
Caught SQLException!
浏览 6提问于2014-11-21得票数 0
回答已采纳
如果我有许多超参数要调优，每个超参数都可以表示为任意长度的向量，例如神经元数量= [4, 8, 16]，学习率= [0.1, 0.01, 0.001, 0.0001]，那么全网格搜索的计算复杂度是多少？要调优的不同超参数的数量是否为多项式？
浏览 26提问于2019-08-17得票数 2
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
实时音视频活动推荐
腾讯云开发者
