ضبط المعلماتيشير إلى ضبط المعلمات لتحقيق نتائج أفضل، بهدف الحصول على نموذج أفضل: إصلاح الأخطاء وتحسين دقة تدريب الشبكة العصبية.

تعتمد المعلمات المثالية للنموذج على العديد من السيناريوهات. في تقييم النموذج واختياره، بالإضافة إلى اختيار الخوارزمية، يجب أيضًا تحديد معلماتها. ضبط المعلمات هو عملية استكمال إعداد المعلمات. الممارسة الشائعة الحالية هي تحديد نطاق وتغيير الخطوة للمعلمة، مثل بين [0، 0.2] بحجم خطوة 0.05. بهذه الطريقة، يمكن الحصول على 5 قيم لمعلمات مرشحة، وسيتم الحصول على القيمة المثالية من هذه القيم الخمس المرشحة. على الرغم من أن قيمة المعلمة التي تم الحصول عليها بهذه الطريقة ليست القيمة المثالية، إلا أنها يمكن أن تكون بمثابة حل وسط بين التكلفة الحسابية وتقدير الأداء.

طريقة تنفيذ تعديل المعلمات

• يحتوي النموذج على معلمات متعددة قابلة للتعديل، مثل نوع وظيفة النواة في SVM، وحجم قيمة C، وعمق شجرة القرار؛
• بعد تحديد الميزات والنماذج الأساسية، يمكنك تحسين الدقة عن طريق ضبط معلمات النموذج؛
• بالنسبة للنماذج ذات المعلمات المتعددة، يجب اختبار كل معلمة واحدة تلو الأخرى إذا كانت لها قيم مختلفة.
• بالنسبة لتقييم النموذج، يتم عادةً استخدام طرق التحقق المتبادل، مثل طريقة K-fold، التي تقسم مجموعة التدريب إلى k أجزاء متساوية، ثم تختار جزءًا واحدًا من 1-k كمجموعة اختبار في كل مرة، والباقي كمجموعة تدريب. يتم استخدام القواعد المدربة لتسجيل النقاط النموذجية، وأخيرًا يتم أخذ أعلى درجة بين درجات k باعتبارها الدرجة النهائية.

عادة، سيتم استخدام التأثير التمييزي على مجموعة الاختبار لتقدير قدرة التعميم للنموذج في التطبيق الفعلي. سيتم تقسيم بيانات التدريب إلى مجموعة تدريب ومجموعة تحقق، وسيتم إجراء اختيار النموذج وتعديل المعلمات بناءً على الأداء في مجموعة التحقق.

مراجع:

【1】https://cloud.tencent.com/developer/article/1099605

【2】https://www.jianshu.com/p/e6feaad5399e