最终模型

• 调参得好不好往往对最终模型性能有关键性影响

  调参得好不好往往对最终模型性能有关键性影响．给定包含m个样本的数据集D，在模型评估与选择过程中由于需要留出一部分数据进行评估测试，事实上我们只使用了一部分数据训练模型．

  [软件研发] 2018-08-16

• 调参与最终模型

  大多数学习算法都有些参数(parameter)需要设定，参数配置不同，学得模型的性能往往有显著差别．因此，在进行模型评估与选择时，除了要对适用学习算法进行选择，还需对算法参数进行设定，这就是通常所说的“参数调节”或简称“调参”(parameter tuning)

  [软件研发] 2018-08-16