VIP20
本课程属于：005-AI药物发现靶点筛选 生物信息学与 AI 制药工程 · 共 20 门相关课程，组合学习更完整。
查看所属VIP全部课程 →
← 返回所属目录 咨询 / 购买

AI模型自动超参数搜索与性能评估

共计 30 章节
点击此处阅读海量试读课程：100+行业、1000+细分领域
01
超参数调优概述
定义 · 重要性 · 应用场景
超参数调优概述定义
02
超参数与模型参数的区别及常见超参数类型
超参数与模型参数的区别及常见超参数类型 · 核心概念 · 实践要点
超参数模型参数的区别
03
学习率对训练过程的影响与调优原则
学习率对训练过程的影响与调优原则 · 核心概念 · 实践要点
学习率对训练过程…调优原则
04
批量大小（Batch Size）的调优策略
批量大小（Batch Size）的调优策… · 核心概念 · 实践要点
BatchSize
05
迭代次数（Epochs）与早停法（Early Stopping）
迭代次数（Epochs）与早停法（Ear… · 核心概念 · 实践要点
EpochsEarly
06
正则化参数（L1/L2）的作用与调优方法
正则化参数（L1/L2）的作用与调优方法 · 核心概念 · 实践要点
L1/L2正则化参数
07
网格搜索（Grid Search）原理与实战
网格搜索（Grid Search）原理与… · 核心概念 · 实践要点
GridSearch
08
随机搜索（Random Search）原理与实战
随机搜索（Random Search）原… · 核心概念 · 实践要点
RandomSearch
09
贝叶斯优化基础
高斯过程与采集函数
贝叶斯优化基础高斯过程
10
TPE算法（Tree-structured Parzen Estimator）详
TPE算法（Tree-structure… · 核心概念 · 实践要点
TPETree-structu…
11
Optuna调参框架入门
安装 · 定义搜索空间
Optuna调参框架入门
12
Optuna高级用法
多目标优化与并行搜索
Optuna高级用法
13
Hyperopt调参库的使用与案例
Hyperopt调参库的使用与案例 · 核心概念 · 实践要点
Hyperopt调参库的使用
14
Keras Tuner
调优TensorFlow/Keras…
KerasTuner
15
Ray Tune
分布式超参数调优框架
RayTune
16
Scikit-learn中的GridSearchCV与RandomizedSea
Scikit-learn中的GridSe… · 核心概念 · 实践要点
Scikit-learnGridSearchCV
17
学习率调度策略
Step Decay · Cosine Annealing · Cyclical LR
学习率调度策略Step
18
决策树与随机森林的超参数调优（max_depth、n_estimators等）
决策树与随机森林的超参数调优（max_d… · 核心概念 · 实践要点
maxdepth
19
梯度提升树（XGBoost、LightGBM）的调参实践
梯度提升树（XGBoost · 核心概念 · 实践要点
XGBoostLightGBM
20
神经网络层数与神经元数量的调优
神经网络层数与神经元数量的调优 · 核心概念 · 实践要点
神经网络层数神经元数量的调优
21
激活函数选择与Dropout比例的调优
激活函数选择与Dropout比例的调优 · 核心概念 · 实践要点
Dropout激活函数选择
22
支持向量机（SVM）的核函数与C参数调优
支持向量机（SVM）的核函数与C参数调优 · 核心概念 · 实践要点
SVM支持向量机
23
交叉验证策略（K-Fold、Stratified等）与调参评估
交叉验证策略（K-Fold · 核心概念 · 实践要点
K-FoldStratified
24
学习曲线分析
欠拟合 · 过拟合与调参方向
学习曲线分析欠拟合
25
超参数对模型偏差-方差权衡的影响
超参数对模型偏差-方差权衡的影响 · 核心概念 · 实践要点
超参数对模型偏差方差权衡的影响
26
多目标超参数优化
同时优化精度与推理速度
多目标超参数优化同时优化精度
27
自动化机器学习（AutoML）中的超参数调优
自动化机器学习（AutoML）中的超参数… · 核心概念 · 实践要点
AutoML自动化机器学习
28
实战案例
使用Optuna调优XGBoost分…
实战案例Optuna
29
实战案例
调优卷积神经网络（CNN）的超参数
实战案例CNN
30
超参数调优常见陷阱与最佳实践总结
超参数调优常见陷阱与最佳实践总结 · 核心概念 · 实践要点
超参数调优常见陷…最佳实践总结