ML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,这时候,你可能有很多想法去改善你的系统,比如,
- Collect more data
- Collect more diverse training set
- Train algorithm longer with gradient decent
- Try Adam instead of gradient decent
- Try bigger network
- Try smaller network
- Try drop out
- Add L2 regularization
- Network architecture
:activation fuctions
:#hidden units
正交化(Orthogonalization)
搭建建立机器学习系统的挑战之一是,你可以尝试和改变的东西太多太多了。比如说,有那么多的超参数可以调!但,那些效率很高的机器学习专家有个特点,他们思维清晰,对于要调整什么来达到某个效果,非常清楚,这个步骤我们称之为正交化。