機器學習中調參的基本思想

我發現大多數的機器學習相關的書都是遍歷各種算法和案例，爲大家講解各種各樣算法的原理和用途，但卻對調參探究甚少。這中間有許多原因，其一是因爲，調參的方式總是根據數據的狀況而定，所以沒有辦法一概而論；其二是因爲，其實大家也都沒有特別好的辦法。 通過畫學習曲線，或者網格搜索，我們能夠探索到調參邊緣（代價可能是訓練一次模型要跑三天三夜），但是在現實中，高手調參恐怕還是多依賴於經驗，而這些經驗，來源於：1）

>>阅读原文<<