Gridsearchcv与贝叶斯优化

在优化超参数时,Gridsearchcv和贝叶斯优化哪一种方法更有效?


回答:

这里没有哪一种更好,它们是不同的方法。

网格搜索中,你会在某些范围内尝试所有可能的超参数组合。

贝叶斯方法中,你不会尝试所有组合,而是在尝试的过程中学习并在超参数空间中搜索。这使得你可以避免尝试所有的组合。

因此,网格搜索的优点是全面,而贝叶斯的优点是无需全面。如果在计算能力允许的情况下,可以选择网格搜索,但如果搜索空间太大,则应选择贝叶斯方法。

Related Posts

多维度Top-k评分

例如,在机器学习中的自然语言处理中,通常使用波束搜索来…

R – Caret train() “错误:停止” 与 “在newdata中未找到对象中使用的所有变量名”

我正在尝试为蘑菇数据构建一个简单的朴素贝叶斯分类器。我…

创建训练和测试数据集分割,数据嵌套在多个文件夹中

我正在准备数据以训练一个图像识别模型。目前我有一个文件…

我的神经网络预测出现错误:IndexError: list index out of range

我正在进行一个简单的垃圾邮件/非垃圾邮件文本分类。我的…

python 给出数组是一维的,但索引了两个维度错误

我已经为 miniBatchGradientDesce…

TensorFlow自定义训练步骤使用不同的损失函数

背景 根据TensorFlow文档,可以使用以下方式执…

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注