页面历史

归一化

方法选择

正则化

详情请参考 归一化 介绍说明。

标准化

最小最大值归一化

最大绝对值归一化

参数

单位标准差归一化

勾选后，归一化后数据的标准差等于1

平均数据中心化

勾选后，归一化后数据的均值等于0

自动调参设置

系统默认的各项参数值范围。

必须结合“启用自动调参”功能使用。系统将对设置指定或范围内的参数值循环调参，匹配出最优的组合。详情请参考 自动调参设置 。

启用自动调参

勾选该项，则系统自动调参数，不需要用户手工设置参数。

最大迭代数

参数范围为：大于等于10且小于500的整数，默认值为10

算法的最大迭代次数，达到最大迭代次数即退出。

最大迭代次数的值越大，模型训练更充分，但会耗费更多时间。

感知机的隐藏层节点数量

每层神经元的数量

多层感知机隐藏层的层数及对应每一层的神经元的个数。

以英文逗号分隔，数字个数代表多层感知机的隐藏层层数，每个数字的值代表多层感知机每层的神经元个数。

收敛阈值

参数范围为：[0.00000001, 0.000001]，默认值为 ：0.000001

收敛误差值，当损失函数取值优化到小于收敛阈值时停止迭代。

优化算法

· l-bfgs：有限内存中进行BFGS算法

· gd：梯度下降法

解决函数最优化问题时使用的算法。

学习率

参数范围为：[0.00000001, 1]，默认为0.01

每次迭代的参数学习步长倍率

随机种子

任意整数，默认值为：1

随机初始化权重时的随机种子，随机种子设置为固定值时，每次结果是稳定的。

块大小

具体的取值和训练集的样本数目相关，不宜过大或过小，参数范围为：必须为大于等于32且小于等于10240的整数，默认为128。

训练时每次输入的样本块的大小，同一块的数据会在同一个矩阵中训练；

分类阈值

参数范围为：[0,1]。默认值为：0.5

在分类中设置分类阈值thresholds。

如果模型预测结果为分类标签1的估计概率>thresholds，则预测为1，否则为0。高阈值是鼓励模型更频繁地预测0，反之则预测为1。

多分类请用英文逗号隔开,且数量与分类数相同，例如：分三类，示例：8,9,10

拆分比例

将选择的数据拆分为两部分，一部分部分用于模型的评估，另一部分数据用于训练模型。

评估标准

用于选择数据的评估指标，包括：f1、precision、recall、accuracy、AUC(二分类)。

其中，评估标准“AUC(二分类)”仅对二分类问题生效。

参数

自动调参的参数项。

注意：

• 优化算法的范围支持多选。
• 其他参数默认的范围提供了一个推荐值，并不是算法限制的最大值和最小值。

指定值调参

指定值

指定一个固定的值进行自动调参。需要先勾选“是否使用指定值”才能配置。

是否使用指定值

控制是否使用使用指定值进行调参。

范围调参

范围

设置自动调参参数的范围。

若运行速度比较慢，可将参数范围调小一点。

步数

进行范围调参时，在设置的范围内生成多少个参数值。

示例：

1）范围为[3,5]，步数为3时，生成的参数值：3, 4, 5

2）范围为[40,100]，步数为4时，生成的参数值：40, 60, 80, 100