机器学习通用流程

1定义问题,收集数据

2选择衡量成功的指标   精度?召回率?

3确定评估方法(留出验证集,K折,重复K折)

4准备数据(数据处理,特征工程)

5开发比基准更好而模型

6扩大模型规模:开发过拟合的模型(理想的模型是刚好在欠拟合和过拟合的边界上,为了找到这个边界,你必须穿过它----添加更多的层,让每一层变得更大,训练更多的轮次都可以加速过拟合)

7模型正则化与调节超参数

 

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