机器学习的超参数是什么

机器学习的超参数是什么

自从接触了机器学习后，在很多地方如书籍和文献中经常会看到有一类参数叫超参数（hyperparameter），其中提超参数最多的地方是在支持向量机（SVM）和深度学习（Deep Learning）中，比如支持向量机中的松弛因子：

上式中的C就是松弛因子，这个参数在支持向量机中不像参数W那样，可以通过优化学习得到。还有深度学习中的超参数，如学习率（Learning Rate），在训练深度网络时，这个学习率参数需要提前指定，比如最近设为0.09等。

那么问题来了，到底什么是超参数（hyperparameter）？在很多教材和文献中都是默认你理解超参数的定义的。如果不知道超参数的定义的话，有些文献中的话可能不好理解，比如在机器学习中，尤其是在支持向量机中，为什么有些文献要把数据集分割成训练集，验证集和测试集，而不是直接分割为训练集和测试集？只有理解了何谓超参数，才会明白某些文献中这样分割的道理。

什么是超参数呢？先来看一下超参数的学院风定义：在机器学习的上下文中，超参数是在开始学习过程之前设置值的参数，而不是通过训练得到的参数数据。通常情况下，需要对超参数进行优化，给学习机选择一组最优超参数，以提高学习的性能和效果。

超参数的通俗定义：超参数也是一种参数，它具有参数的特性，比如未知，也就是它不是一个已知常量。一种手工可配置的设置，需要为它根据已有或现有的经验指定“正确”的值，也就是人为为它设定一个值，它不是通过系统学习得到的。

下面主要看看超参数在机器学习中的定义及示例：

在机器学习的上下文中，超参数是在开始学习过程之前设置值的参数。 相反，其他参数的值通过训练得出。

超参数：

1. 定义关于模型的更高层次的概念，如复杂性或学习能力。

2. 不能直接从标准模型培训过程中的数据中学习，需要预先定义。

3. 可以通过设置不同的值，训练不同的模型和选择更好的测试值来决定

超参数的一些示例：

1. 树的数量或树的深度

2. 矩阵分解中潜在因素的数量

3. 学习率（多种模式）

4. 深层神经网络隐藏层数

5. k均值聚类中的簇数

1、使用官方“AMD RYZEN MASTER”软件进行超频

建议使用官方的“AMD RYZEN MASTER”专用软件进行超频，方法十分简单，我们选择一个配置文件，我们修改CPU频率和核心电压等，我们将核心频率改为3600（3.6），电压也要适当增加，建议核心频率一点一点的测试增加。

二：在主板BIOS设置超频1、在电脑开机之后，反复按下DEL键，进入BIOS界面，将语言设置成“简体中文”，按键盘上F7键进入高级模式，切换至“Ai Tweaker”选项，我们的CPU主频默认是3.5Ghz，而内存频率默认只有2133。

2、关于内存超频方法，在AI超频调整，打开D.O.C.P模式，我们可以将内存频率进行调整了，如果你的内存是3200频率内存，那么我们设置为3200频率，甚至更高，具体可以超频多少频率就需要看你内存超频的潜质了。

关于CPU超频方法，例如我们的CPU默认主频是3.5GHz，即35，我们建议主频一次0.1上调，即36、37、38微调，调好之后按F10进行BIOS保存设置。

E7300本来就2.66G了

266*10=2.66G

你要超频就最好调到333*10=3.33G左右

首先

进入BIOS关掉CPU(超频稳定后可以打开)

cpu风扇自动控数也关掉(让CPU风扇全数运行帮散热)

然后再进行超频

外频锁定到333

pice锁定到100

内存分频到你内存标准频率(我猜你的是800内存)

内存时序你就别管它 要它自动就行

然后是电压

开始电压高点

CPU核心 电压1.44右(超频完了再慢慢降下去 如果1.44上不了3.33G那你就最好别超频了)

其它就没什么了

除非你极限超频不然没必要加北桥电压这些

保存退出重启看能进去系统不

如果能进入就进行简单的拷机看稳定性和温度

稳定的话就重启进BIOS降电压

一级一级降

降一级重启测试稳定性

直到你进入系统测试的时候蓝屏不稳定了就行

记住蓝屏时候的电压

再它基础上加3级的电压就可以了

基本就算超频成功

---