machine-learning - 机器学习中超参数和启发式的区别?
问题描述
在机器学习的背景下,超参数和启发式有什么区别。如果您不学习参数而是提前决定它,那本质上不是一种启发式方法吗?
如果任何人都可以提供每个明确的定义和比较,那就太好了!在这种情况下,我希望我不会将苹果与橙子进行比较。
解决方案
有趣的想法!启发式和超参数之间最明显的区别是启发式是一种有助于搜索问题的函数,它用于快速权衡不同的解决方案,而超参数本质上是模型中的“硬编码”,因此无济于事搜索。
但是,如果你定义一个只返回常量超参数的启发式函数,那么我们真的可以说这个启发式函数确实和超参数一样。不过,我们通常不会这样看待它,因为这样的启发式函数(总是返回一个常数)无助于搜索最佳参数。
推荐阅读
- javascript - Webpack 中的强制代码修剪、C 风格的宏?
- html - “元素”类型上不存在 StencilJs 值
- python - 你可以在 Python Tkinter 中重新缩放 PhotoImage 吗?
- android - Gredlew 任务名 - 命令未运行 Android Studio 终端
- javascript - 如何将道具传递给循环内的样式化组件
- azure - 我可以将 Azure Batch 配置为使用 Nvidia VM 映像吗?
- r - R Shiny:下载预设的 .csv 文件
- ios - 基于接近度在后台对 iBeacons 进行测距
- linux - 如何在 Linux 上重新编译 ACPI 表?
- flutter - 使用未来构建器时未显示圆形进度指示器