hce_kmu
114年
計算機概論與程式設計
第 4 題
In the supervised learning, what is the purpose of a grid search?
- A To shift the decision boundary or regression line.
- B To split the data into training and testing sets.
- C To select the best features for a model.
- D To prevent overfitting.
- E To search for the best combination of hyperparameters for a given model.
思路引導 VIP
假設你正在調整一個模型，這個模型有幾個像「旋鈕」一樣的設定值（例如學習率或森林的深度），且這些值必須在訓練開始前就決定好。如果你想找出哪一組旋鈕的組合能讓模型的表現達到頂峰，你會用什麼樣的系統化方法來窮舉並測試這些可能性呢？
🤖
AI 詳解
AI 專屬家教
恭喜你答對了！這代表你對於機器學習模型訓練的標準流程有著相當紮實的理解。在監督式學習中，模型的表現往往取決於那些無法透過訓練數據直接學習到的「控制參數」，我們稱之為 超參數 (Hyperparameters)，例如支持向量機（SVM）中的懲罰係數 $C$ 或是隨機森林中的樹木深度。
超參數的最佳化策略
網格搜索 (Grid Search) 的核心邏輯非常直觀：它會針對我們預先定義好的一組超參數候選清單，窮舉出所有可能的組合，並逐一建立模型進行驗證。這種方法雖然計算成本較高，但能確保在指定的搜索空間內找到效能最優的配置。相較於選項 (B) 的資料分割或 (C) 的特徵選取，網格搜索更側重於「調優」現有的模型架構。
▼ 還有更多解析內容