模型引數
需要在訓練資料上通過某種演算法方式找出來的特徵引數，也就是需要訓練的引數，eg：線性回歸中的θ值
超引數：
在模型訓練過程中演算法需要使用到的引數值，這個引數值會影響最終模型引數的求解，所以需要開發人員給定，比如：ridge演算法中的正則化項係數alpha引數
給定方式：
-1. 可以根據演算法的特性、業務的背景、開發人員的工作經驗來給定。
-2. 使用sklearn中支援交叉驗證的相關api來做模型引數的選擇
-3. 使用網格交叉驗證的方式來實現模型引數的選擇
交叉驗證：
交叉驗證是出於模型訓練階段，一般用於模型的引數選擇。
k折交叉驗證
是指在模型訓練過程中，用於模型引數選擇的一種方式
步驟：-1. 將fit傳入的train的訓練資料平均分為k份
-2. 使用其中的k-1份作為訓練集，使用另外乙份作為驗證集；使用訓練集訓練模型，使用驗證集驗證當前訓練模型的效果如何
-3. 更改不同的資料作為訓練集和驗證集，繼續訓練得到當前訓練模型的效果如何
-4. 將當前引數在當前所有訓練資料上的效果做乙個均值作為當前引數在所有訓練資料的模型效果評估指標
-5. 更改引數，重複上述的2~3~4步，分別得到每個引數的評估指標
-6. 選擇最優評估指標所對應的模型引數即為最優模型引數
建模 模型超引數調參筆記1
超引數調參，一種方法是用gridsearchcv，grid search gridsearchcv clf,param grid,n jobs 1,verbose 2 clf 是要使用的模型，param grid 指要調整的超引數，用字典表示，n jobs 指用電腦的cpu個數，1代表全部都用，ve...
模型引數與模型超引數
模型引數是模型內部的配置變數，其值可以根據資料進行估計。模型在進行 時需要它們。它們的值定義了可使用的模型。他們是從資料估計或獲悉的。它們通常不由程式設計者手動設定。他們通常被儲存為學習模型的一部分。引數是機器學習演算法的關鍵。它們通常由過去的訓練資料中總結得出。在經典的機器學習文獻中，我們可以將模...
模型引數和超引數
總結個人理解 機器學習中的模型引數和模型超引數在作用 等方面都有所不同，而模型超引數常被稱為模型引數，這樣，很容易對初學者造成混淆。本文給出了模型引數和模型超引數的定義，並進行了對比，指出了二者本質上的區別 模型引數是模型內部的配置變數，可以用資料估計模型引數的值 模型超引數是模型外部的配置，必須手...