调参第15页

【机器学习】机器学习可视化分析工具weights&bias

介绍weightsandbias是一个机器学习可视化分析工具日志上传云端永久存储，便于分享不怕丢失可以存管代码，数据集和模型的版本，随时复现可以使用交互式表格进行case分析可以自动化模型调参核心功能：

小松不菜·2023-04-09 23:14

论文阅读 Towards Automated Semi-Supervised Learning

TowardsAutomatedSemi-SupervisedLearning摘要让机器自己学习如何搞定一个数据集或任务一直是AutoML领域所关注的，它可能不再需要手动数据预处理、不需要人工搭建模型架构或花式调参

kindred_joe·2023-04-09 21:26

掌握机器学习中的“瑞士军刀”XGBoost，从入门到实战

文章目录1XGBoost简介2XGBoost的算法优势3安装XGBoost库4回归模型5分类模型6XGBoost调参作为机器学习领域中的“瑞士军刀”，XGBoost在各大数据科学竞赛中屡获佳绩。

专注算法的马里奥学长·2023-04-09 19:54

【机器学习算法实践】GBDT提升树，集成学习boosting方法，可分类课可回归，CART树是基础，调参是重点

Adaboost是利用前一轮迭代弱学习器的误差率来更新训练集的权重，这样一轮轮的迭代下去。虽然GBDT也是Boosting家族的成员，但是却和Adaboost【机器学习算法实践】AdaBoost是典型的Boosting算法，加法模型多个弱分类器流水线式的提升精度，更关注那些难处理的数据_羞儿的博客-CSDN博客有很大的不同。GBDT也是迭代，使用了前向分布算法，但是弱学习器限定了只能使用CART回

羞儿·2023-04-09 19:18

【备战】【B组】第十四届蓝桥杯python组

之前玩深度学习确实用了半年的python，但懂的都懂，实则调参大师，基础薄弱的一批，高考过后躺了三年，前两

Chowley·2023-04-09 15:55

BN

1提出背景在深度学习中，由于问题的复杂性，我们往往会使用较深层数的网络进行训练，尤其是对深层神经网络的训练调参更是困难且复杂。

VvAvV·2023-04-09 13:41

基于贝叶斯优化的长短期记忆网络(LSTM)回归预测——附代码

基于LSTM神经网络，针对人为经验调参困难的问题，提出了一种基于贝叶斯优化的LST

神经网络与数学建模·2023-04-09 12:54

金融风控之贷款违约预测挑战赛 Task4

1、导入数据略2、查看数据略3、特征工程略4、建模与调参4.1模型原理学习逻辑回归模型（已学完）训练速度快、可解释性好、占用资源少需要处理缺失值和异常值；不能解决非线性问题；难处理多重共线性数据，难处理数据不均衡

怕热的波波·2023-04-09 09:18

深度学习调参的技巧

如何调参：batchsize要合适epoch要合适，观察收敛情况，防止过拟合是否添加batchnomaldropout是否需要激活函数选择：除了gate之类的地方,需要把输出限制成0-1之外,尽量不要用

moletop·2023-04-08 21:50

Task4 基于深度学习的文本分类1

学习目标学习FastText的使用和基础原理学会使用验证集进行调参文本表示方法Part2现有文本表示方法的缺陷在上一章节，我们介绍几种文本表示方法：One-hotBagofWordsN-gramTF-IDF

ochipe·2023-04-08 20:55

卷积神经网络学习路线（五）| 卷积神经网络参数设置，提高泛化能力？

前言这是卷积神经网络学习路线的第五篇文章，主要为大家介绍一下卷积神经网络的参数设置，调参技巧以及被广泛应用在了哪些领域，希望可以帮助到大家。

just_sort·2023-04-08 16:52

2、机器学习中的调参：随机搜索和网格搜索

机器学习中的调参前言1、随机搜索2、网格搜索前言超参数调优是机器学习中的重要一环，拿随机森林算法而言，树的个数，数的深度，剪枝参数等等需要找到最优的参数组合，超参数较少时，我们可以采用for循环遍历所有参数的可能组合

steelDK·2023-04-07 23:58

关于数据集

数据集怎么划分数据集划分是指将已有的数据集划分为训练集、验证集和测试集三个部分，用于机器学习中的模型训练、调参和评估。

刘燕飞MVP·2023-04-07 13:37

PID自动调参simulink仿真

PID自动调参----simulink仿真-----如何高效调参设计PID控制器系统识别APP识别传递函数Simulink搭建仿真控制系统使用Maltab自动调参工具PIDTuner调节PID参数设计PID

Silent Knight·2023-04-07 12:14

深度学习调参技巧

从粗到细实践中，一般先进行初步范围搜索，然后根据好结果出现的地方，再缩小范围进行更精细的搜索。先参考相关论文，以论文中给出的参数作为初始参数。如果找不到参考，那么只能自己尝试了。可以先从比较重要，对实验结果影响比较大的参数开始，同时固定其他参数，得到一个差不多的结果以后，在这个结果的基础上，再调其他参数。例如学习率一般就比正则值，学习率设置的不合适，不仅结果可能变差，模型甚至会无法收敛。如果实在找

信步闲庭v·2023-04-07 02:16

【机器学习算法实践】xgboost，一种boosting工程思想，泰勒的二阶展开近似拟合数据分布，建议细看原论文

XGBoost（eXtremeGradientBoosting）极致梯度提升，是一种基于GBDT【机器学习算法实践】GBDT提升树，集成学习boosting方法，可分类课可回归，CART树是基础，调参是重点

羞儿·2023-04-06 17:33

无人车之美——软件架构篇

https://blog.csdn.net/slampai/article/details/127469210目录0.写在前面——使用系统化思维1.常见软件框架——避免成为“调参

腾腾任天真·2023-04-05 20:14

【STM32F4系列】【HAL库】电机控制(转速和角度)(PID实战1)

文章目录项目目标硬件搭建HAL初始化定时器PWM编码器定时器中断串口基础驱动获取速度获取角度电机控制PID速度环速度环设计速度环调参调试顺序P(比例)I(积分)总结位置环位置环设计位置环调参P调参成品项目目标实现电机最常使用的两个功能

Hz1213825·2023-04-05 11:26

一款好用的上位机软件(VOFA+的三种数据传输协议）——以PID调参为例

RawData协议格式1、使用方法2、示例3、测试firewater协议格式1、使用方法2、数据格式3、示例4、测试justfloat协议格式1、使用方法2、数据格式3、示例4、测试三种协议使用总结二、PID调参

藕粉-·2023-04-05 11:15

遥控电机PID学习及其调参—学习记录

遥控电机pid·一、总览·二、PID调试2.1遥控电机运动控制图2.2电机与电调参数2.3PID调参实验·一、总览此前所需工作1.CAN驱动设置2.简单的应用程序编写3.CAN数据传输实验4.遥控器通道数据获取

渣渣喝·2023-04-05 11:42

基于遗传算法和粒子群算法优化的1/4车和1/2车悬架LQR控制仿真分析

基于GA的1/4车悬架2.1基于PSO的1/4车悬架2.1/2车悬架2.1基于GA的1/2车悬架2.2基于PSO的1/2车悬架前言前面的文章介绍了基于LQR的悬架控制，但是参数是人为的调节，这样对没有调参经验的人而言是很不友好的

Mr. 邹·2023-04-05 00:18

30分钟吃掉wandb可视化自动调参

wandb.sweep:低代码，可视化，分布式自动调参工具。使用wandb的sweep进行超参调优，具有以下优点。

PythonAiRoad·2023-04-04 21:42

朴素贝叶斯分类

因为运行速度快，而且可调参数少，因此非常适合为分类问题提供快速粗糙的基本方案。

explore翔·2023-04-04 18:25

特征工程之_筛选

xieyan0811·2023-04-04 14:51

Datawhale 零基础入门CV赛事-Task4 模型训练与验证

4模型训练与验证为此本章将从构建验证集、模型训练和验证、模型保存与加载和模型调参几个部分讲解，在部分小节中将会结合Pytorch代码进行讲解。

致Great·2023-04-03 22:07

2019-06-27-4.5 超参数

调参一般说的就是超参数如何寻找到一个好的超参数呢？

逆风的妞妞·2023-04-03 07:40

LightGBM算法详解

ref.AI蜗牛车文章目录前言一、LightGBM介绍二、LightGBM的直方图算法（Histogram）三、LightGBM调参四、总结前言提示：这里可以添加本文要记录的大概内容：例如：随着人工智能的不断发展

wymm95·2023-04-03 02:03

下行物理信道和物理信号(PDCCH,PDSCH)

Overview与LTE相比，NR的下行物理信道缩减为3类：物理下行共享信道，PDSCH物理广播信道，PBCH物理下行控制信道，PDCCHNR的下行物理信号有以下几种：解调参考信号(Demodulationreferencesignals

梓轩爸爸·2023-04-03 00:36

上行物理信道 PUSCH

与LTE相比，上行物理信道有以下三类：物理上行共享信道，PUSCH物理上行控制信道，PUCCH物理随机接入信道，PRACHNR的上行物理信号有以下几种：解调参考信号，DM-RS相位追踪参考信号，PT-RS

梓轩爸爸·2023-04-03 00:36

下行参考信号——PDSCH DM-RS

定义如下：N.B.在R16中，引入了对低峰均比PDSCHDM-RS的支持，使用如下的来初始化伪随机序列发生器：MappingtophysicalresourcesNR中的PDSCH支持基于空分复用的闭环解调参考信号

梓轩爸爸·2023-04-03 00:06

收藏破万，谷歌联手哈佛发布首个炼丹指南：教你科学化「调参」

调参不能只靠直觉，也是一门大学问！虽然算法工程师往往调侃自己是「调参侠」，但调参这件事可能真没想象中那么简单。比如，你是不是经常会有疑惑到底该选择哪个优化器？一个batch放多少数据？超参数如何设置？

机器学习社区·2023-04-02 21:22

Lesson 9.3 集成算法的参数空间与网格优化和使用网格搜索在随机森林上进行调参

文章目录一、集成算法的参数空间与网格优化1.学习曲线2.决策树对象Tree二、使用网格搜索在随机森林上进行调参1.建立benchmark2.创建参数空间3.实例化用于搜索的评估器、交叉验证评估器与网格搜索评估器

虚心求知的熊·2023-04-02 19:51

XGBoost 实现保险赔偿预测：数据预处理(一）

实现过程是B站up主：Tesra-AI不错哟视频链接：【我在B站学习技能分享】机器学习提升篇整个流程包含对数据预处理分析，再到XGBoost相关调参。

chau.z·2023-04-02 13:07

LightGBM、XGBoost参数调优，调参经验，参数介绍

对比参考参考自：LightGBM参数介绍_一路前行1的博客-CSDN博客_lightgbm参数调参思路LightGBM调参方法（具体操作）-Byron_NG-博客园lightgbm介绍深入理解LightGBM

只要开始永远不晚·2023-04-02 13:47

【机器学习基础】XGBoost、LightGBM与CatBoost算法对比与调参

机器学习Author：louwillMachineLearningLab虽然现在深度学习大行其道，但以XGBoost、LightGBM和CatBoost为代表的Boosting算法仍有其广阔的用武之地。抛开深度学习适用的图像、文本、语音和视频等非结构化的数据应用，Boosting算法对于训练样本较少的结构化数据领域仍然是第一选择。本文先对前述章节的三大Boosting的联系与区别进行简单阐述，并一

风度78·2023-04-02 13:46

Lesson 6.5 机器学习调参基础理论与网格搜索

文章目录一、机器学习调参理论基础1.机器学习调参目标及基本方法2.基于网格搜索的超参数的调整方法2.1参数空间2.2交叉验证与评估指标二、基于Scikit-Learn的网格搜索调参1.sklearn中网格搜索的基本说明

虚心求知的熊·2023-04-01 19:41

LESSON 9.4 集成算法的参数空间与网格优化

四集成算法的参数空间与网格优化如随机森林中所展示的，集成算法的超参数种类繁多、取值丰富，且参数之间会相互影响、共同作用于算法的最终结果，因此集成算法的调参是一个难度很高的过程。

Grateful_Dead424·2023-04-01 18:27

【炼丹笔记】如何看loss调参

看loss调参trainloss不断下降，testloss不断下降，说明网络仍在学习;trainloss不断下降，testloss趋于不变，说明网络过拟合;trainloss趋于不变，testloss不断下降

Jnchin·2023-04-01 15:18

十大之——EM算法（Expectation-Maximum）

①梯度下降法；②启发式方法；③EM算法2.EM估计（1）问题：①观测数据X有缺失②难以得知方法：引入隐含变量Z，得（可以简化模型，不改变原分布的边缘）（2）优势：无需调参、编程简单、理论完整二.EM算法

夜猫子丶CC·2023-04-01 10:58

知乎大神讨论调参技巧

知乎大神的诸多见解，从学术到工业界到落地讨论知乎。微信公众号[计算机视觉战队]的Edison_G回答1、数据集的准备：必须要保证大量、高质量且带有准确标签的数据，没有该条件的数据，训练学习很困难的（但是最近我看了以为作者写的一篇文章，说明不一定需要大量数据集，也可以训练的很好，有空和大家来分享其思想---很厉害的想法）；2、数据预处理：这个不多说，就是0均值和1方差化，其实还有很多方法；3、Min

yanghedada·2023-04-01 07:44

oss 对象存储说明

document_detail/31927.htmloss对象存储对象存储可选方式：服务端上传、客户端直传oss、客户端直传oss并设置回调url客户端直传oss，设置回调url#获取签名（policy）和回调参数客户端向后端服务器获取签名信息

o_瓜田李下_o·2023-03-31 22:29

CS229之正则化

在这节中，除了视频的一些知识概述，还会补充一些L1，L2正则的理解1.过拟合问题可选的解决方法：2.正则化调参的问题3.线性回归的正则化正则方程中加入正则化

__cbf0·2023-03-31 07:17

一文读懂聚类算法原理

应用难点：①如何进行调参？②如何评估聚类结果？常用算法：①划分方法：K-Means（K均值）、K-Medoids（K中心）；②层次方法：凝聚

PM见闻·2023-03-30 20:24

python工资等级分类程序-php项目中用python来预测薪资（工资）

训练字段用的有：工作年限，行业，学历目标字段：薪资代码量还是很少的，毕竟靠的是后续调参和数据量撑起来的，但是效

weixin_37988176·2023-03-30 02:48

21世纪20年代的ConvNet——ConvNeXt

文章收货：调参工作、调参顺序

WarmthWind·2023-03-29 18:56

YOLOv8检测和分割训练自己数据集

ultralytics:YOLOv8inPyTorch>ONNX>CoreML>TFLitexx下载完成后按照YOLOv8教程系列：一、使用自定义数据集训练YOLOv8模型（详细版教程，你只看一篇-＞调参攻略

用猪头过日子.·2023-03-29 18:39

Spark读取JDBC调优

Spark读取JDBC调优，如何调参一、场景构建二、参数设置1.灵活运用分区列实际问题：工作中需要读取一个存放了三四年历史数据的pg数仓表（缺少主键id），需要将数据同步到阿里云MC中，Spark在使用

Malegod丶小飞·2023-03-29 14:10

神奇的PyG：快速实现Node2vector

公众号：异度侵入“我最早接触数据挖掘，还没学会调参，只会用树模型时，比赛时便在群里听别人讨论图神经网络，谈起Deepwalk，Node2Vector，听起来唬人的算法，觉得这样的算法离我很远，好想使用啊

captainqxy·2023-03-29 04:15

【微信支付回调】踩过坑

后台能正常接受到微信的传参：#微信官方回调参数1那么就只要模拟微信回调不就可以了嘛，网上找到以下方法...通过POSTMAN请求命中自己的回调接口POSThttp://127.0.0.1:8888/wx

吕吕吕丶·2023-03-28 09:14

一时心软，饶老鼠一命，结果它带了四五十只小老鼠来家里做客，救我全家姓名

但这些报怨或报恩之根源其实还是与人类的善恶有紧密联系，皆是事出有因的，下面我们就来分享这则因果故事：那年冬天，我被抽调参加了市里组织的农村社教队，来到了群山环抱的靠山村。

A青丝亚昕·2023-03-27 16:13

推荐频道

调参