1回答

liuyubobobo

2020-01-18

已采纳

超参数的默认值不都是 -1。具体默认值是多少，可以查询 sklearn 的文档。

比如 knn 算法：https://scikit-learn.org/stable/modules/generated/sklearn.neighbors.KNeighborsClassifier.html 

其中的 k，默认值是 5，weights，默认值是 uniform，algorithm，默认值是 auto，以此类推。

循环范围的确立没有一定之规，根据数据的不同，合适的超参数可能不同。调参本来也是机器学习工程的重要工作之一。不过通常，都是从粗到精，逐渐细化，找到合适的参数。

考虑距离或者不考虑距离同理，这本身就是一个超参数，不同的领域，不同的数据，达到最好的效果，可能需要不同的参数。

另外，领域知识极其重要。不同的领域，对待数据，有的时候有一定的模式可循，但这些背后的原理，都在领域知识中。所以，机器学习不是只学习这些算法就好了的。学习这些算法，只是第一步。具体到各个领域中，比如图像处理，比如自然语言处理，比如语音识别，都有大量的，基于这些基础算法的扩展算法，或者扩展应用，同时也有大量的基于这个领域的数据分析方式，在机器学习之前用来处理数据，被称为特征工程。

关于特征工程，也可以参考这个问答：http://coding.imooc.com/learn/questiondetail/40722.html

继续加油！：）

0

0