《表4 各机器学习算法的主要超参数(非通用项)》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于机器学习和遗传算法的高炉参数预测与优化》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

利用Scikit-Learn可以快速实现各种机器学习算法，直接使用实际上是使用了算法的默认超参．为了提升预测效果，有必要对机器学习算法进行超参调优．Scikit-Learn的Grid search方法可以实现机器学习算法超参的自动调优，Grid search通过指定不同的超参列表进行穷举搜索，计算每一个超参组合对于模型性能的影响，并且采用5折交叉验证避免算法过拟合，来获取最优的超参组合．通过Grid search超参寻优，各机器学习算法的主要超参如表3，表4所示．