machine-learning - 贝叶斯优化,返回不同指标的组合作为评估
问题描述
我正在使用贝叶斯优化和高斯过程来优化我的循环网络参数。
我得到了很好的结果。我将最后一个时期的验证损失作为优化算法的反馈返回。
我真的很想在每次迭代的反馈中包含一些其他参数,例如训练持续时间和模型参数的数量,因为我想找到一个性能良好的小模型,而不会将参数的值更改为更小的范围. 问题是我不知道损失的规模。如果只是在 0 和 1 之间缩放其他参数,那么如果它始终在 0.02-0.01 范围内,则损失的影响可能会更小。在这种情况下,将选择最小的模型,但它的性能会很差。
谢谢你的想法。干杯!
解决方案
推荐阅读
- angular - Vmware-clarity 和 Visual Studio 2017 Angular
- excel - Excel / VBA - 如何选择当前选定单元格所在列(相对)的第一行(绝对)?
- jquery - 使用带有隐藏列的 WebGrid Helper 时默认排序不起作用
- javascript - React.Children.only 期望接收带有组件的单个 React 元素子元素
- ios - iOS - 在不订阅键盘通知的情况下,定位视图设置与屏幕或键盘底部的距离(如果它正在显示)
- c# - 在 ASP.Net Core 2.0 中导出到 Excel
- mysql - laravel where 子句值和列名
- python-3.x - Python sum 和 numpy sum 给出不同的结果
- c# - 获取用户名客户端
- bash - 为什么这个 bash 脚本会产生错误?