采纳答案成功!
向帮助你的同学说点啥吧!感谢那些助人为乐的人
老师好。我不是工程师,我是从事信息流广告投放的。学习这个课程,主要是想从另一个角度了解自己日常使用的工具。广告投放前,我们需要 出价,设置定向。 然后跑数据,等系统过学习期。我有两个疑问1、出价及定向,算是超参数吗?它也需要在系统算法开始学习之前人为设置。2、出价,能直接影响到展示量规模,它能影响模型的学习速度吗?门外汉,希望老师不会嫌烦。谢谢
如果不是工程师的话,可能学习这个课程不是特别合适。如果购买课程时间还不是特别长,可以联系慕课网,看是否能够退课。因为你关心的很多问题很有可能是从业务的角度出发的问题,这些问题对应的概念,和从技术的角度看,对应的概念会有所不同,或者有可能从技术的角度去看,其实并不能帮助你更深刻的理解业务。
回答你的问题:
1)是的。只要是在算法之前人为设置的参数,就叫超参数。
2)我不是很了解你说的这个领域,这里的关键是,你所说的“学习速度”,到底指什么。
通常,当我们在计算机领域说“速度”的时候,是指“性能”,比如完成整个算法的时间;但在机器学习领域,还有一个概念,叫“学习率”,学习率是指:每次向最优解的方向前进的“步长”。可以简单地理解成:学习率和算法完成整个计算的“轮次”有关。(很多机器学习算法是一轮一轮逐渐优化最终得到结果的,这一点课程后续会介绍,在 kNN 算法中没有体现。)
但学习率和性能之间不一定成正相关的关系。有可能算法完成计算的“轮次”少,但是每一轮的计算时间都很长,所以总时间也很长;也有可能算法完成计算的“轮次”多,但每一轮计算都很快,算法的总时间也很快。
但整体,如果我们只关注算法的整体性能的话,在绝大多数情况下,是和算法相关的,和所选择的超参数无关。(但也并不绝对。)
具体你说的例子,我理解是“出价”和“规模”之间呈魔种数学模型的关系。你想问的是:选择不同的“出价”,会不会导致算法计算出“规模”的性能不同。
套到上面我的论述中,就是,有非常多不同的数学模型(算法),可以构建出“出价”和“规模”之间的关系。影响性能的最重要的因素,是选择的“数学模型”的不同,而非选择的“出价”的具体数值的不同。
继续加油!:)
谢谢老师的答复。我不退学。我最早是在一个视频上看到你讲的线性代数,非常通俗易懂。让我很着迷。使我有了强烈的学习兴趣。所以一直从搜索找到了慕课网,就是为了找你的课程。 我虽未从事这方面的工作,但是,也给了我很多触类旁通的启发。最重要的是激发了我学习数学的兴趣,也跃跃欲试,想学点编程。
我学习,就是以学习为目标,不是为了解决业务问题。 感谢老师,这么耐心答复
太赞了!继续加油!:)
登录后可查看更多问答,登录/注册
Python3+sklearn,兼顾原理、算法底层实现和框架使用。
2.5k 19
3.5k 17
3.0k 15
1.6k 15
1.5k 14