1.2 正交化(Orthogonalization)
Last updated
Last updated
每次只调试一个参数,保持其它参数不变,使得到的模型某一性能改变是一种最常用的调参策略,称之为正交化方法(Orthogonalization)
Orthogonalization的核心在于每次调试一个参数只会影响模型的某一个性能
机器学习监督式学习模型大致分成四个独立的“功能”:
Fit training set well on cost function ,优化训练集可以通过使用更复杂NN,使用Adam等优化算法来实现
Fit dev set well on cost function,优化验证集可以通过正则化,采用更多训练样本来实现
Fit test set well on cost function,优化测试集可以通过使用更多的验证集样本来实现
Performs well in real world,提升实际应用模型可以通过更换验证集,使用新的cost function来实现
每一种“功能”对应不同的调节方法,是正交的
early stopping在模型功能调试中并不推荐使用。因为early stopping在提升验证集性能的同时降低了训练集的性能。即early stopping同时影响两个“功能”,不具有独立性、正交性