如果测试集巨大，网格搜索岂不是相当耗时？

Question

如果很耗时，得到的超参数什么情况下可以反复用吗？不然不是很浪费？

Answer 1

liuyubobobo 2018-02-02 14:55:09

kNN的预测时间复杂度很高，所以kNN算法其实不常用。通常的算法都是训练时间复杂度很高。

至于网格搜索，就是很耗时：）如果数据相同，超参数可以反复用。但是在动态的应用场景下，就是需要反复训练的。是的，很耗时，很好计算资源。这个课程的case都是小case。实际场景下，比我们家用计算机快100倍的计算机训练寻找最优解来个个3，5天，那都是正常的：）

• 提问者 神经旷野舞者 #1

  动态应用场景是说训练数据变化还是模型变化，感觉如果只是训练数据变化，超参数应该不要大改，因为都是类似的数据。

• liuyubobobo 回复 提问者 神经旷野舞者 #2

  对，短期内不需要大改，但长期看他是很可能逐渐变化的。而且长短期具体是多少，是依据具体应用场景变化的。医学领域可能变化很慢；但是互联网上的情绪监测；舆情监控；或者金融领域，可能就会变化比较快。

• 提问者 神经旷野舞者 回复 liuyubobobo #3

  模型结构变化大？

点开查看后面2条评论