Deep Leaning 学习笔记之组织机器学习项目（2.1）—— 误差分析

1 误差分析

1.1 进行误差分析——列表格

• 在开发集中进行
• 将被分错的图片挑出来其中100张（可以更多）

建立一个如下表格：

• 行：图片的序号，以及每个因素所占百分比。
• 列：影响误分类的因素，如狗，错误的分成猫；豹子，错误分成猫；下雨天，错误分成带猫的。。。

根据百分比来看，哪一项所占百分比更高，那么这一项就更指的进行修改。

1.2 清理标记错误的数据

建议：

• 如果要清理错误标签，那么要同时清理开发集和测试集中的错误标签，因为这样才可以让dev/test保持相同分布
• 既要看预测错误的标签，也要检查预测正确的标签（有的可能是因为运气才预测正确的，清理标记错误的标签后，可以排除这种运气成分）
• 可以不在训练集上清理标签，训练集和dev / test稍微不同分布也是可以的

1.3 快速建立一个模型，然后迭代

1. 如果你在进行一个新的领域的探索，则可以快速建立一个模型，然后迭代，之后通过误差分析，对模型进行优化。
2. 如果你在一个你比较擅长的领域，或者是已经有大量文献和你的目标保持一致的情况，你可以根据文献来建立一个比较复杂的模型，然后进行迭代。