机器学习算法的超参数优化：理论与实践

发布时间：2021-05-08 17:48

　　机器学习算法已广泛应用于各种应用和领域。为了使机器学习模型适合不同的问题,必须调整其超参数,为机器学习模型选择最佳的超参数配置会直接影响模型的性能,通常需要对机器学习算法和适当的超参数优化技术有深入的了解。尽管存在几种自动优化技术,但是当应用于不同类型的问题时,它们具有不同的优缺点。研究了常见机器学习模型的超参数优化问题,介绍了几种最先进的优化技术,讨论了将其应用于机器学习算法,并且提供了许多针对超参数优化问题而开发的可用库和框架。 

【文章来源】：电脑编程技巧与维护. 2020,(12)

【文章页数】：3 页

【文章目录】：
1 概述
2 数学优化和超参数优化问题
    2.1 数学优化
    2.2 超参数优化问题陈述
3 机器学习模型中的超参数
4 结语


【参考文献】：
期刊论文
[1]基于梯度下降法的离散概率空间区域射击瞄准点求解方法[J]. 贾正荣,王航宇,卢发兴.  兵工学报. 2018(12)
[2]基于人群的神经网络超参数优化的研究[J]. 朱汇龙,刘晓燕,刘瑶.  信息技术. 2018(11)
[3]符号数据的无监督学习:一种空间变换方法[J]. 王建新,钱宇华.  计算机科学. 2016(01)
[4]大数据下的机器学习算法综述[J]. 何清,李宁,罗文娟,史忠植.  模式识别与人工智能. 2014(04)



本文编号：3175736