1回答

正十七

2020-04-28

网上的文章应该都做了假设，假设特征没问题，所以问题归结成了如何调整模型参数使之收敛。

特征是需要好好设计的，据我所知，百度就给广告模型提取了数十亿的特征。

0

1

plastic_dream

老师，有个问题困扰了我很久，麻烦解答下： 我原以为对于相同的模型+超参，训练结果会是一样的，这样一来，我们要做的就是调整模型+超参，寻找一个最优解，就可以固化下来，作为我们predict的方案了。 但是我简单写了一段代码，在代码不变的情况下（输入/模型/超参都不变）多跑几次，准确率，有时高，有时低，这怎么算？你的课每次也都是跑一遍，实际上多跑几次结果会不一样。 我知道这个“每次跑结果不一样”的原因是训练过程里面有些随机值，比如SGD就是随机的，每一次跑都是在修正模型内部的参数，跑100次实际上就对应着100个不同的model，这点我能理解。 我的问题是，那我们搞深度学习的整体目标是什么？你也知道，没目标干啥都没法往下进行。 比如说：一个项目，准确率到0.8就合格了，相同的代码，我跑了100次，其中99次都是0.7，但有一次是0.9，这一次有意义吗？还是说，我们提高准确率是有前提的，前提是让每次跑的结果尽可能的一致，之后才考虑如何提升这个准确率？ 烦请老师给解答下，困惑我好久了。

2020-04-29

共1条回复