Carl1994的博客

误差分析与性能审计 在机器学习系统的生命周期中，模型这一阶段被分为了两个部分，分别是上一节的选择、训练模型，与这一节的误差分析与性能审计。 选择、训练模型一节中，提出了以数据为中心的AI开发，强调对于构建一个将被应用于生产系统中的模型来说，我们不必在模型的算法实现上花费过多的精力，而更应关注数据的质量，使用高质量的数据来训练出适合具体应用环境的模型，并建立模型的评价基线。 误差分析与性能审计这一节则围绕对模型的评价展开。 错误分析 在上一节中讲到，模型训练完成后，即使取得了很低的平均训练误差，此时的模型也

这是我在学习DeepLearningAI上吴恩达老师的《生产系统中的机器学习》课程过程中的笔记。这一系列课程的质量很高，学习中受益匪浅。老师的讲授顺序是从模型部署至模型训练再到数据处理，模型部署部分的笔记忘记保存了，明天再整理，这一篇是模型中的选择和训练模型部分。 选择、训练一个模型 在模型选择与训练过程中，很多人往往会更倾向于不断优化模型的设计、参数的选择，这称为以模型为中心的人工智能开发（Model-centric AI development）。 但是事实上，经过这些年机器学习或者说深度学习的高速发