パラメータを調整するより良い結果を得るためにパラメーターを調整することを指します。その目的は、より良いモデルを取得し、エラーを修正し、ニューラル ネットワーク トレーニングの精度を向上させることです。
モデルの最適なパラメーターは多くのシナリオに依存します。モデルの評価と選択では、アルゴリズムの選択に加えて、パラメーターの設定を完了するプロセスもパラメーター調整する必要があります。現在の一般的な方法は、[0, 0.2] の間のステップ サイズとして 0.05 を取るなど、パラメータの範囲を選択してステップ サイズを変更することです。このようにして、取得できるパラメータの値の候補は 5 つあります。理想的な値はこれら 5 つの値から得られますが、この方法で得られたパラメーター値は最適ではありませんが、計算オーバーヘッドとパフォーマンス推定の間の妥協点となる可能性があります。
パラメータ調整の実施方法
- モデルには、SVM のカーネル関数のタイプ、C 値のサイズ、デシジョン ツリーのツリーの深さなど、複数の調整可能なパラメーターがあります。
- 特徴と基本モデルを選択した後、モデルのパラメーターを調整することで精度を向上させることができます。
- 複数のパラメーターがあり、各パラメーターが異なる値を持つモデルの場合、それらを 1 つずつテストする必要があります。
- モデルの評価には、通常、トレーニング セットを等しい k 個の部分に分割し、毎回 1 ～ k から 1 つの部分をテスト セットとして選択し、残りをテスト セットとして選択する K 分割法などの相互検証方法が使用されます。トレーニング セット。トレーニングされたルールはモデルのスコアリングに使用され、k 個のスコアのうち最も高いものが最終スコアとして使用されます。
通常、実際のアプリケーションでは、テスト セットの判別効果を使用してモデルの汎化能力を推定します。トレーニング データはトレーニング セットと検証セットに分割され、それに基づいてモデルの選択とパラメーターの調整が実行されます。検証セットのパフォーマンス。
参照元:
【1】https://cloud.tencent.com/developer/article/1099605
【2】https://www.jianshu.com/p/e6feaad5399e