-
Notifications
You must be signed in to change notification settings - Fork 117
New issue
Have a question about this project? Sign up for a free GitHub account to open an issue and contact its maintainers and the community.
By clicking “Sign up for GitHub”, you agree to our terms of service and privacy statement. We’ll occasionally send you account related emails.
Already on GitHub? Sign in to your account
parameter setting #34
Comments
如果数据集以连续型特征为主,以下两个参数非常重要,可以让连续型特征参与到特征衍生和提取的计算中。
根据数据集的特征数量调整dnn_params,设置合适的神经元数量和层数,参考
DeepTables/tests/models/hyper_dt_test.py Line 18 in d1201d9
|
nets = ['linear', 'fm_nets', 'dnn_nets', 'linear', 'fm_nets', 'dnn_nets'],这种情况是将多个nets 合并在一起训练吗 |
能否选择xgboost做为备选模型之一呢 |
同一个nets只能出现一次,['linear', 'fm_nets', 'dnn_nets']是的合法的。 |
什么叫备选模型? |
感谢,使用apply_class_weight=True有明显改变,nets 里面选择多个是将每一个组合在一起使用吗?还是只选择其中部分的网络?使用LightGBM的作用是什么呢 |
1.特征交互层中:add、concat 有什么区别吗 |
有,concat后面会在接一层dense,相当于进一步学习不同nets的权重
可以结合shap来得到模型解释性。
整个过程都在一个神经网络里面 |
我最近在做的一个1:100的二分类,同样是precision很高和recall很低;gbm模型设置scale_pos_weight后,recall上到80,precision只有10; |
您好,想咨询下deeptable调参问题
1.二分类数据集,正负样本比例不平衡(10 : 1),使用xgboost可以设置样本权重,deeptable是否有类似参数可以设置呢?
2.针对正负样本比例不平衡的数据集,有什么参数设置让模型得到比较好的评估值?
3.nets参数可以多选网络,在训练中是将多个网络组合,还是选择其中一个或几个好的网络呢?
4.看样例可以设置LightGBM参数,那需要有开关开启使用LightGBM吗?
5.对于deeptable有哪些好的调参经验参考呢?
The text was updated successfully, but these errors were encountered: