步骤三:寻找最佳参数
FSRS 优化器利用机器学习来学习你的记忆模式,并找到最适合你复习历史的参数。因此,优化器需要多次复习来微调参数。
如果你的复习次数不足 1000 次,请使用已经输入在「FSRS 参数」字段中的默认参数。即便是使用默认参数,FSRS 的效果也比 Anki 默认算法(SM-2)更好。
如果你的复习次数至少有 1000 次(适用于此预设的所有卡片),你可以通过「优化 FSRS 参数」部分下的「优化」按钮为你的卡片生成最优参数。最优参数将自动替换默认参数。
参数是特定于预设的。如果你有难度差异很大的牌组,建议为它们使用不同的预设,因为简单牌组和难牌组的参数会有所不同。
默认情况下,参数将根据使用当前预设的所有牌组的复习历史来计算。如果你想改变用于优化参数的卡片(例如排除暂停的卡片),你可以在计算参数前调整搜索。搜索的工作方式与在浏览器中一样。详情请参见 Anki 手册中的搜索部分。
步骤四:(可选)评估参数
你可以使用「优化 FSRS 参数」部分中的「评估」按钮,查看一些指标,这些指标显示「FSRS 参数」字段中的参数与你的复习历史的契合程度。数字越小,表示与你的复习历史契合得越好。
对数损失(Log-loss)没有直观的解释。分组均方根误差(RMSE(bins))可以理解为预测回忆卡片的概率(R)与从复习历史中测量得到的概率之间的平均差异。例如,RMSE(bins)=0.05 意味着平均而言,FSRS 在预测 R 时的误差为 5%。
请注意,对数损失和分组均方根误差并非完全相关,因此两个牌组可能有类似的 RMSE(bins) 值,但对数损失值却大不相同,反之亦然。
步骤五:(可选)计算最佳保留率
这是一种试验性工具,旨在计算出一个最大化在给定时间限制(「每天学习分钟数」)内总知识量的期望保留率。简单来说,它试图找到一个能让你的学习计划最高效的期望保留率值。它通过分析你在卡片上花费的时间,以及你按下「困难/良好/简单」按钮的习惯来实现这一目标。
你可以调整「牌组大小」和「模拟天数」以满足你的需求。如果你正在为 12 个月后的考试做准备,将「模拟天数」设置为 365 天。如果你是语言学习者,5 年(1825 天)是一个合理的时间框架。
建议的保留率将极大地依赖于你的输入,如果它与 0.9 相差很大,这表明你每天分配给学习的时间对于你试图学习的卡片数量来说,要么太少,要么太多。
由于该工具是试验性的,最好使用你的直觉来确定一个期望保留率。然而,当你不知道你希望的保留率应该是多少时,建议的保留率可以作为一个参考。
步骤六:(可选)自定义排程
「自定义排程」允许你在 FSRS 之上引入新的排程规则。这一功能仅适用于高级用户和开发者。