关于神经网络中的Hyperparameter

本文探讨了机器学习中如何设置和优化超参数,强调其在模型性能中的关键作用,以及使用验证数据进行调优的过程。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

Hyperparameter(超参数)

在机器学习的中,超参数是在开始学习过程之前设置值的参数,而不是通过训练得到的参数数据。通常情况下,需要对超参数进行优化,给学习机选择一组最优超参数,以提高学习的性能和效果。

如果这些超参数没有设置合适的值,模型的性能可能就会很差。感觉超参数的设置就是在试错

调整超参数的时候,一般用超参数专用的确认数据,成为Validation data(验证数据)

个人感觉:train data 是用来得到需要训练得到的数据,然后validation data 来测试人为设置的超参,最终test data来测试最终的效果

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值