吴恩达深度学习笔记(62)-模型的满足和优化指标讲解

最新推荐文章于 2021-09-04 18:26:59 发布
最新推荐文章于 2021-09-04 18:26:59 发布
阅读量328 收藏
点赞数
分类专栏： 吴恩达深度学习笔记 深度学习
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/Harpoon_fly/article/details/87021854
版权
本文介绍了在模型评估中如何结合多种指标，如分类准确度和运行时间，通过定义优化和满足指标来选择最佳分类器。以猫分类器为例，准确度作为优化指标，运行时间作为满足指标，阐述了如何在保证运行时间低于阈值的同时，最大化准确度。此外，还提到了在语音唤醒词检测系统中的应用，精确度是优化目标，而假阳性率需控制在每24小时最多一次。
摘要由CSDN通过智能技术生成

标题满足和优化指标（Satisficing and optimizing metrics）

要把你顾及到的所有事情组合成单实数评估指标有时并不容易，在那些情况里，我发现有时候设立满足和优化指标是很重要的，让我告诉你是什么意思吧。

吴恩达深度学习笔记(62)-模型的满足和优化指标讲解
**假设你已经决定你很看重猫分类器的分类准确度，这可以是F_1分数或者用其他衡量准确度的指标。**但除了准确度之外，我们还需要考虑，就是需要多长时间来分类一张图。分类器A需要80毫秒，B需要95毫秒，C需要1500毫秒，就是说需要1.5秒来分类图像。

吴恩达深度学习笔记(62)-模型的满足和优化指标讲解
你可以这么做，将准确度和运行时间组合成一个整体评估指标。

所以成本，比如说，总体成本是cost=accuracy-0.5×runningTime，这种组合方式可能太刻意，只用这样的公式来组合准确度和运行时间，两个数值的线性加权求和。

你还可以做其他事情，就是你可能选择一个分类器，能够最大限度提高准确度，但必须满足运行时间要求，就是对图像进行分类所需的时间必须小于等于100毫秒。所以在这种情况下，我们就说准确度是一个优化指标&#

最低0.47元/天 解锁文章
极客Array
关注
专栏目录
机器学习｜优化算法 | 评估方法｜分类模型性能评价指标 | 正则化
知识库搭建ing
03-25 2451
机器学习｜正则化｜评估方法｜分类模型性能评价指标｜吴恩达学习笔记（哔哩哔哩视频and课堂PPT笔记梳理）
深度学习——时间序列模型评价指标总结
mint1993的专栏
09-08 1万+
大Y老师：小X，你做的这个时间序列模型用什么指标评价啊？ 小X 直接把这篇甩给老师：老师您看哪个指标顺眼，就选哪个指标~ 最近在实现基于深度学习的时间序列模型时，需要对模型进行评价，总结了一些常用的和不常用的评价指标，还有相关概念的辨析。 上面是玩笑话，在对模型进行评价时，要根据实际的数据特征和指标特性进行选择。 和方差 SSE（the sum of squares due to error），是观测值（observed values）与预测值（predicted values）的误差的平方和，公式为：
1-3 满足和优化指标
diyudong4681的博客
10-23 226
满足和优化指标（ Satisficing and optimizing metrics） 要把你顾及到的所有事情组合成单实数评估指标有时并不容易，在那些情况里，设立满足和优化指标是很重要的。 假设你已经决定你很看重猫分类器的分类准确度，这可以是${F_1}$分数或者用其他衡量准确度的指标。但除了准确度之外，我们还需要考虑运行时间，就是需要多长时间来分类一张图。 分类器A需要 80 ...
深度学习 | 模型评估与梯度下降优化
Joselynzhao
06-30 1047
模型评估与梯度下降优化机器学习与模型优化选择机器学习是一个怎样的过程?形式化机器学习过程机器学习是一个模型选择过程机器学习要素学习优化对象:模型假设空间的元素模型选择评估方法和评估指标梯度优化 机器学习与模型优化选择 机器学习是一个怎样的过程? 形式化机器学习过程 机器学习是一个模型选择过程 机器学习:通过算法 A，在假设空间 H 中，根据样本集 D，选择最优假设 g。选择标准: g 近似于 f...
9.约束性指标和优化性指标 翻译自 吴恩达新书-Machine Learning Yearning
maerdym的专栏
09-28 919
更多好玩的机器学习教程: 进入袋马学院领一份 ，全部免费
9. Optimizing and satisficing metrics 优化指标和满足指标（《MACHINE LEARNING YEARNING》翻译）
NodYoung
12-09 2763
优化指标和满足指标这是组合多个评估指标的另一种方法。假设你同时关心算法的准确率和运行时间。你需要在下面三个分类器中进行选择： 这里如果将准确率和运行时间组合为单个评估指标会看起来不太自然，例如：Accuracy−0.5∗RunningTimeAccuracy-0.5*RunningTime 这里你可以替代为这样：首先，定义一个“可接受”的运行时间。例如我们说任何运行时间在100ms以内的算法
吴恩达深度学习DeepLearning-详细中文和英文笔记总结以及知识图谱三剑客
10-25
本资料包“吴恩达深度学习DeepLearning-详细中文和英文笔记总结以及知识图谱三剑客”提供了全面的学习资源，旨在帮助初学者系统地掌握深度学习的基础知识。 首先，"deeplearning深度学习笔记v5.1.pdf"可能是吴恩达...
吴恩达深度学习学习笔记以及代码
最新发布
01-14
吴恩达深度学习课程是全球范围内广受欢迎的在线教育项目，由知名计算机科学家吴恩达教授主讲。这个课程深入浅出地介绍了深度学习的基本概念、理论基础以及实际应用，涵盖了神经网络、卷积神经网络（CNN）、循环神经...
吴恩达机器学习笔记pdf格式
05-19
《吴恩达机器学习笔记》是一份详尽的教育资源，旨在帮助学习者深入理解机器学习这一领域的核心概念和算法。吴恩达，作为人工智能和在线教育领域的先驱，以其深入浅出的教学风格闻名，他的机器学习课程在全球范围内广...
机器学习-模型评估与优化
weixin_42189597的博客
09-04 1765
一、模型评估 1.性能度量 错误率与精度 错误率和精度是分类问题中常用的性能度量指标，既适用于二分类任务，也适用于多分类任务. 错误率（error rate）：指分类错误的样本占样本总数的比例，即 （ 分类错误的数量 / 样本总数数量） 精度（accuracy）：指分类正确的样本占样本总数的比例，即 （分类正确的数量 / 样本总数数量） 精度=1−错误率精度 = 1 - 错误率精度=1−错误率 查准率、召回率与F1得分 错误率和精度虽然常用，但并不能满足所有的任务需求。例如，在一次疾病检测中，我们更关注
Coursera | Andrew Ng (03-week1-1.4)—满足和优化指标
Self Improvement Lab
01-24 522
该系列仅在原课程基础上部分知识点添加个人学习笔记，或相关推导补充等。如有错误，还请批评指教。在学习了 Andrew Ng 课程的基础上，为了更方便的查阅复习，将其整理成文字。因本人一直在学习英语，所以该系列以英文为主，同时也建议读者以英文为主，中文辅助，以便后期进阶时，为学习相关领域的学术论文做铺垫。- ZJ Coursera 课程 |deeplearning.ai |网易云课堂
优化分类指标
Rp的博客
07-09 796
优化分类指标 介绍 某些分类指标并不是完全适用我们的模型，有时候我们需要选择和优化指标来调整我们的模型。 Logloss 如果要优化log-loss，我们只需要将它和正确的模型匹配。 树模型：XGBoost，LightGBM 线性：sklearn，Regression, sklearn.SGDRegressor, Vowpa Wabbit 神经网络：PyTorch, Keras, Tensorf...
深度学习笔记（二十五）结构化机器学习项目之机器学习策略1
我的技术栈碎碎念空间
01-31 347
一、为什么用机器学习策略 我们训练一个模型时，可以从很多方面对模型进行优化 但是，如果是盲目选择方案进行优化，可能的结果是经过几个月的努力，发现自己努力的方向出现了偏差，白费功夫。那么简单来说，机器学习策略就是指引我们朝着更有希望的方向前进。 二、正交化Orthogonalization 举两个例子 老式电视机有很多调节旋钮，不同的旋钮可以调节不同的图像属性，比如宽度、高度、旋转角度等，这些旋钮直接互不影响，可以分别调节。 汽车有方向盘控制方向属性，有油门刹车控制速度属性，方向和速度两个属性分开调节，试
结构化机器学习项目(1) ——机器学习(ML)策略1
凝望，划过星空的博客
08-15 765
@[ 1. 为什么是ML策略？ 优化神经网络的思路： 收集更多的数据集Collect more data 收集更多样性的数据集Collect more diverse training set 使用梯度下降法再训练久一点Train algorithm longer with gradient descent 尝试使用的新的优化算法，比如说Adam算法Try algorithm longe...
机器学习常见模型评估指标
linchuhai的博客
10-28 1100
1.单值评估指标     在机器学习或深度学习中，为了评估最终模型的好坏，我们经常会引入各种评估指标，为了便于指标的说明，我们这里具一个例子作为说明。假设我们想要建立一个垃圾邮件的分类模型，此时，模型预测结果的混淆矩阵如下表所示： 此时，我们常用的评估指标就有如下： 准确率：即预测样本中，类别预测正确的比率，其计算公式为：； 精确率（查准率）：即预测为正例的样本中，真正属于正例的样本比...
机器学习——模型评价与优化
Palpitate的博客
03-17 1344
一、模型的过拟合与欠拟合 1.1现实问题思考 1.2欠拟合与过拟合的定义 由于模型不合适，致使其无法对新的测试数据进行准确的预测 1.3欠拟合 观察训练数据的预测结果发现 选用其他模型、增加模型复杂度、增加数据样本、采集新的维度数据 1.4过拟合 原因 使用了过于复杂的模型结构（比如高阶决策边界） 训练数据不足，有限的训练数据（训练数据只有总体样本中的小部分、不具备代表性） 样本里的噪音数据干扰过大，模型学习到了噪音信息（使用过多与结果不相关属性数据） 解决方法 简化模型结构（降低模
模型的选择、评估和优化-上
bravery_again的博客
07-21 9201
引入 对于一个机器学习工程而言，我们可以选择的模型众多，就之前的章节，我们已经可以选择： 线性回归 logistics判别 决策树 神经网络 对于一个模型而言，我们也有很多模型参数需要人工选择，本章将对模型的评估选择和优化进行详细介绍。 概念介绍 过拟合和欠拟合 在机器学习中，我们期望通过训练集来得到在新样本上表现的很好的学习器，找出潜在样本的普遍规律，在训练过程中，可能会...
关于模型的评估指标（超详细）
热门推荐
WGS.
12-01 3万+
文章目录正负样本的选择标准评估指标回归问题的评估指标SSE 和方差均方误差（MSE）均方根误差（RMSE）R Squared分类问题的评估指标错误率召回率(查全率)精确率(查准率)混淆矩阵和分类报告P-R曲线准确率f1分值什么时候关注召回率，什么时候关注精确率概率密度评估指标概率密度曲线图相对熵（K-L散度）概率、信息量信息熵相对熵（K-L散度）交叉熵概率分布评估指标ROC曲线KS曲线提升图提升图的另一种形式洛伦兹图（累计提升图）KS曲线 模型的开发基于历史数据，而模型的使用则针对未来的数据。为了模拟这种建
机器学习实战：模型评估和优化
happytofly的博客
02-03 3968
原文：Real-World Machine Learning: Model Evaluation and Optimization 作者：Henrik Brink, Joseph W. Richards, Mark Fetherolf 译者：赵屹华 审校：刘翔宇监督学习的主要任务就是用模型实现精准的预测。我们希望自己的机器学习模型在新数据（未被标注过的）上取得尽可能高的准确率。换句话说，也就...
吴恩达深度学习课程笔记V5.2：TensorFlow实战
"这是一份由黄海广编写的深度学习笔记，主要基于吴恩达在Coursera上的深度学习课程(deeplearning.ai)。笔记涵盖了课程的主要内容，包括深度学习的基础、神经网络构建、卷积神经网络(CNN)、递归神经网络(RNN)和长短期...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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