吴恩达深度学习笔记(59)-什么是机器学习策略?

本文探讨了为何需要机器学习(ML)策略,通过一个猫分类器的例子阐述了在模型达到一定准确率后如何提升性能。作者提出,面对多种改进方案,如收集更多数据、更改优化算法或调整网络架构,选择错误的方法可能导致时间和资源的浪费。课程旨在教授分析和优化ML问题的策略,分享深度学习产品开发中的经验教训,以帮助读者更高效地推进深度学习项目并避免走弯路。
摘要由CSDN通过智能技术生成

什么是ML策略?(Why ML Strategy?)

如何构建你的机器学习项目也就是说机器学习的策略。我希望通过这门课程你们能够学到如何更快速高效地优化你的机器学习系统。那么,什么是机器学习策略呢?

吴恩达深度学习笔记(59)-什么是机器学习策略?
我们从一个启发性的例子开始讲,假设你正在调试你的猫分类器,经过一段时间的调整,你的系统达到了90%准确率,但对你的应用程序来说还不够好。

你可能有很多想法去改善你的系统,比如,你可能想我们去收集更多的训练数据吧。或者你会说,可能你的训练集的多样性还不够,你应该收集更多不同姿势的猫咪图片,或者更多样化的反例集。或者你想再用梯度下降训练算法,训练久一点。

或者你想尝试用一个完全不同的优化算法,比如Adam优化算法。
或者尝试使用规模更大或者更小的神经网络。
或者你想试试dropout或者L2正则化。
或者你想修改网络的架构,比如修改激活函数,改变隐藏单元的数目之类的方法。

当你尝试优化一个深度学习系统时,你通常可以有很多想法可以去试,问题在于,如果你做出了错误的选择,你完全有可能白费6个月的时间,往错误的方向前进,在6个月之后才意识到这方法根本不管用。

比如,我见过一些团队花了6个月时间收集更多数据,却在6个月之后发现,这些数据几乎没有改善他们系统的性能。所以,假设你的项目没有6个月的时间可

  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值