请问下，机器学习或深度学习中，对学习算法的超参数调节，是否相当于一个不断尝试的过程，也即若以当前设置的超参数获得的模型不能满足预期则依据当前模型结果或其他原理重新选择超参数直到有模型符合预期为止？能否举一个具体的例子？
请问下对于机器学习或深度学习中，对学习算法的超参数调节相关的问题。另外能否举一个具体的例子说明？
- 写回答
- 好问题 0 提建议
- 追加酬金
- 关注问题
分享- 邀请回答
-
0条回答 默认 最新
问题事件
系统已结题
9月18日
创建了问题
9月10日
悬赏问题
- ¥30 关于用python写支付宝扫码付异步通知收不到的问题
- ¥50 vue组件中无法正确接收并处理axios请求
- ¥15 隐藏系统界面pdf的打印、下载按钮
- ¥15 MATLAB联合adams仿真卡死如何解决(代码模型无问题)
- ¥15 基于pso参数优化的LightGBM分类模型
- ¥15 安装Paddleocr时报错无法解决
- ¥15 python中transformers可以正常下载，但是没有办法使用pipeline
- ¥50 分布式追踪trace异常问题
- ¥15 人在外地出差，速帮一点点
- ¥15 如何使用canvas在图片上进行如下的标注，以下代码不起作用,如何修改