hyperparameter

Вопрос или проблема Вопрос Могу ли я применять различные гиперпараметры для разных наборов данных для обучения? Я вижу смысл в использовании общих параметров, но не вижу смысла в использовании общих гиперпараметров. Преимущество использования общих параметров

Вопрос или проблема У меня есть вопрос относительно техники/технологии, которую можно применить для этой задачи: Предположим, у меня есть правило-базированное дерево или дерево решений, которое предсказывает переменную Y на основе переменных A, B, C.

Вопрос или проблема Если кто-то может ответить на эти вопросы, это будет замечательно. Я нахожусь на этапе выполнения выпускного проекта по LSTM. В данный момент я застрял и запутался в кодах LSTM. Есть 4 гиперпараметра, с которыми я могу поэкспериментировать

Вопрос или проблема Несмотря на то, что я использовал его несколько раз, я все еще немного запутан в использовании набора валидации для настройки гиперпараметров. Насколько я могу судить, я выбираю модель, обучаю ее на обучающих данных, оцениваю производительность

Вопрос или проблема Я не совсем понимаю значение этих параметров xgboost или как они отличаются: Если я укажу ровно один из этих параметров (не оба одновременно), colsample_bylevel=0.5 colsample_bynode=0.5 разве алгоритмы не должны вести себя одинаково в обоих случаях?

Вопрос или проблема Существует довольно много библиотек для оптимизации гиперпараметров, которые специфичны для Keras или других библиотек глубокого обучения, таких как Hyperas или Talos. Мой вопрос: в чем основное преимущество использования этих библиотек

Вопрос или проблема Честно говоря, я не на 100% уверен, насколько это проблема программирования или проблема науки о данных, но я рискну. Я разработал матрицу, состоящую из различных гиперпараметров, цель этих гиперпараметров –