machine-learning - 如何节省时间进行网格搜索和 k 折交叉验证以进行超参数调整?
问题描述
我计划使用 k 折交叉验证 (CV) 执行网格搜索,以优化 LSTM 的超参数。假设我有n 个超参数组合并定义了k倍 CV。这意味着我必须运行 LSTM nxk次,这可能是计算密集型的。
Q1。有什么实用技巧可以节省时间吗?
为了节省时间,如果 1) 我将整个训练数据分成 test vs val(例如,80:20),没有 k-fold,并找到最佳超参数;在这种情况下, nx 1次运行,并且 2) 仅使用从 1) 中找到的光学超参数对 LSTM 执行k倍 CV,以展示所选 LSTM 的整体性能?是否有意义?
解决方案
对于大模型,CV 是不可行的。所以你应该以训练验证测试的方式分割你的数据。
网格搜索也不是最好的方法,最好使用随机搜索,原因请参见此处。
推荐阅读
- android - 有没有办法修复无效的字段路径(``)。从 Android 应用程序访问 Firebase 时出现问题?
- php - PHP多选表单插入多个
- javascript - 有没有办法只在选中复选框的情况下传递复选框值?
- c# - 第一次在 C# 上使用 lambda 函数
- angularjs - 有没有办法将图表或带有仪表板的图表放在 AngularJS 项目中?
- java - 调用 startActivity() 时获得相同的屏幕
- excel - 是否可以读取 Excel 表并纯粹在前端显示其内容?
- jmeter - 如何从仪表板报告中保存图表(JMeter)
- c# - VSTO,更改word文档中所有图片的大小以适应页面宽度
- android - Fleetboard 上的 TLS 1.2