《表4 各机器学习算法的主要超参数(非通用项)》
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.
图表编号 | XD00145471100 严禁用于非法目的 |
---|---|
绘制时间 | 2020.09.15 |
作者 | 李壮年、储满生、柳政根、李宝峰 |
绘制单位 | 东北大学冶金学院、东北大学冶金学院、东北大学冶金学院、山西太钢不锈钢股份有限公司炼铁厂 |
更多格式 | 高清、无水印(增值服务) |