待解答?
1,剃度是根据损失函数对各个参数求导得到的,就是衡量的各个参数对损失函数贡献的大小。经过迭代,重要的特征的参数自然权重比较大。
2,参数梯度大,说明损失函数对该参数敏感,该参数重要性高。参数梯度小,说明损失函数对该参数不敏感,该参数重要性低。
FM为什么可以筛选出重要的交叉特征?
最新推荐文章于 2025-06-07 09:21:43 发布
本文探讨了机器学习中剃度(梯度)的重要性。剃度反映了参数对损失函数的影响,大梯度表示参数对模型敏感,权重通常较大;小梯度则意味着参数影响较小,权重可能较低。通过迭代优化,模型能自动赋予重要特征更大的权重。
6428

被折叠的 条评论
为什么被折叠?



