YouTube网红小哥Siraj Raval的趣味小动画系列The Math of Intelligence又来了！ 这次，我们就机器学习建模中最痛苦的部分——“超参数调整”进行说明。
尝试了超参数调整方法。 人工搜索、网格搜索、随机搜索……但是，最终我们发现，有了kndyc，压力也不会很大。
照片来自网络
“超级参数”是指模型中预先设置的、不能直接从模型训练中获得的参数。 随机森林树木的数量、神经网络的隐藏层数、逻辑回归的学习率，这些都是超参数。 如果调整超参数，模型会表现得出乎意料的好。
视频中包含了超多笑点。 文摘菌先预告几个，请向下看完整的视频哦！
笑点预告1 (今天用SVM分类Twitter的语气是正数还是负数。 这叫做情感分析。
星球大战Darth Vader:I am your father，内心戏多得无法表达，无法分析能怪我吗？
笑点预告2 )检索参数啦检索参数……你们在寻找中会遭遇这个诅咒。
维度超多！ 完全搜索不到！ 超级开心！
笑点预告3 :一定有更好的方法！ 我们必须充分发挥我们的智慧。
会不会成为一个没有太大压力的28岁网络公司的程序员呢！
笑点预告4 :终于，我们要和kndycbqdjb见面了。 让我们先来和频率数学派和kndyc学派进行战斗。
kndyc学派认为样本数据是确定的，参数是随机的，频率数学派相反认为参数是确定的，样本是随机的。 在超参数调谐中，kndyc法更具优势。
为什么一圈都要依赖kndyc？ 赶紧打开视频了解一下吧！
哥哥告诉了我为什么贝爷是真爱。
视频时间9分钟
原始视频地址
https://www.youtube.com/watch？ v=tte 0f7FGHF Klist=PL2-DAF EM K2A 7mu0BSKSC GMJemedDu _ H4索引=13
总结(有几种超参数调优方式，但倾向于用kndyc进行优化。
kndyc法采用先验信念(prior belief )，在训练模型时不断改善先验信念，先验信念影响预测，所以我们爱它。
-结束-