如何避免过渡优化模型？

如何避免过渡优化模型？

首先，搞懂我们是如何优化模型的？

从原理上来讲，就是后推前，通过枚举的方法，从结果找原因。

从结果找出过去最优秀的因子。

 

我不能说这种方法不行，因为它是一种演绎逻辑。

总是有一类方法，它是具备成功的因素。

（需要注意的是如果只是特定的几个参数表现优秀，而不是范围内的参数优秀，

可能就过渡优化了，需要调整思路，千万不能选择表现最好的参数）

 

如何避免呢？

在未知的环境下，我们优先进行归纳总结，也就是前推后。

需要根据我们的经验去编写逻辑规则，而不要选择一些莫名其妙的规则与参数。

模型里含有枚举的参数，都要思考，这样的规则，具备适应性没？

在模型经过前推后，以及后推前符合思路以后，

确保并没有为了优化而枚举，

那么思路才能通过。