机器学习
easywaytolifebelief
做有价值的事情
展开
-
《Machine Learning Yearning》 Note9---Optimizing and satisficing metrics
1. 内容这一节主要讲了在有多个评价指标时,如何优化算法,或者如何将多个评价指标结合起来(combine multiple evaluation metrics)。例如,在一个系统中,我们需要既考虑准确度又要考虑学习算法的运行时间,面对两个评价标准,一个不太自然的方法是从它们(准确率和运行时间)派生出一个综合评价指标,如: Accuracy - 0.5 * RunningTime。另一种方法也...原创 2019-03-17 17:32:08 · 125 阅读 · 0 评论 -
《Machine Learning Yearning》Note11-When to change dev/test sets and metrics
概要当开始一个新的项目时,我尝试快速地选择dev/test 集合,因为这可以使我们的目标更明确。——Andrew Ng这一节介绍了我们在什么时候需要更换验证集/测试集,笔记主要记录了两点。Ng建立新项目时的做法:快速地选择初始dev/test集合(小于一周时间), 不要求一开始就很完美,要快速向前,而不是反复思考用什么验证集/测试集,当然不用于成熟的应用。之后如果意识到初始的验...原创 2019-03-24 18:54:26 · 385 阅读 · 0 评论 -
《Machine Learning Yearning》Note10-Having a dev set and metric speeds up iterations
概要针对一个新问题,我们我们会有很多的想法,然而我们很难提前知道哪种方法最好。对于这个问题,解决办法就是使用验证集和度量。Ng介绍了他建立一个机器学习系统的迭代步骤(通常第一个想法是无效的):如何建立系统的想法用代码实现想法用实验验证想法的效果如果能快速地实现上述流程的迭代,那么就会更快地取得进步,验证集和度量能使得我们快速判断方向是否正确。例子Ng介绍了一个反例,如果开...原创 2019-03-24 17:48:03 · 150 阅读 · 0 评论