YouTube网红小哥Siraj Raval的趣味小视频
系列
The Math of Intelligence又来啦！这期我们来讲一讲机器学习建模中最痛苦的部分——“超参数调优”。
超参数调优方法我们试了个遍，
人工搜索、网格搜索、随机搜索……但最后发现：
有了贝叶斯，
压力其实也没那么大
！
图片来自网络
“超参数”是指模型里的那些预先设定的、无法直接从模型训练中得到的参数。
随机森林树木的个数、神经网络隐藏层的个数、逻辑回归的学习率，这些都是超参数
。
调好超参数，模型会有意外好的表现。
视频内含超多笑点，文摘菌先来预告几个，下拉观看完整视频哟！
笑点预告1：今天我们用SVM来分类一句
Twitter
的语气是正向的还是负向的，这叫做情感分析
▼
星球大战Darth Vader：I am your father，内心戏多不外露，分析不出来能怪我？
笑点预告2：搜索参数啊搜索
参数
……你们找着找着就会遇到这个诅咒
▼
维度超多！完全搜不过来！超开心！
笑点预告3：一定有更好的方法对不对！我们要充分发挥我们的聪明才智
▼
而不是成为压力也没那么大的28岁互联网公司程序员对不对！
笑点预告4：终于，我们要和贝叶斯老爷见面了。我们先让频率学派和贝叶斯学派打一架
▼
贝叶斯学派认为样本数据是确定的而参数是随机的，频率学派则相反，认为参数是确定的而样本是随机的。在超参数调优中，贝叶斯方法更占优势。
为什么试了一圈还是得靠贝叶斯？赶紧戳开视频了解吧！
▼小哥告诉你，为什么贝爷才是真爱？
↑视频时长9分钟↑
原视频地址 https://www.youtube.com/watch?v=ttE0F7fghfk&list=PL2-dafEMk2A7mu0bSksCGMJEmeddU_H4D&index=13
总结：有好几种超参数调优方式，我们更倾向于用贝叶斯优化
▼
贝叶斯方法采用一个先验信念（prior belief），在训练模型时会不断改进先验信念，
让先验信念影响预测，所以我们爱它
▼
-The End-
大数据文摘经授权汉化的斯坦福CS231n和牛津DeepNLP已有6万+人学习！近期我们将开启新一轮国外精品AI课程译制，
期待你的加入！
戳文末
阅读原文
，即可加入我们！
-
第一时间接触
独家
授权视频等学习资料。
-
视频发布时会
署
上各位志愿者的
名
字和贡献。
-
有范儿有料科技
大会
的免费、优惠门票。
-
优质公司和岗位的
内推
机会。
-
和志同道合的小伙伴一起
成长
的机会。
本期工作人员
听 译 | 唱歌的蔬菜
翻 译 | Clare
校 对 | 糖竹子、龙牧雪
后 期 | 郭 丽
编 辑 | 韩 蕊
精品课程
数据科学实训营第4期
优秀学员推荐|杨晶
学员介绍：上海交大硕士，实训营1期学员，实训营3期助教。已拿到某一线电商大数据部门offer。
实训营最主要的优势是开拓了我的眼界，引导我走上了数据科学的道路。
在没有上实训营的课之前，我也曾抱着砖头书苦读，也曾在网上到处搜索，有进步但效率比较低。
在实训营里面，老师作为过来人，引导我走上了正轨。一些关键点懂了，就如同打通了“任督二脉”。
作为在校生，缺乏的就是过来人的经验和眼光，在起步的初期接受这些帮助，对找工作确实影响深远。
