文章目录
3
ML策略
ML四个要求,快速定位调节
单实数评估指标
可以大大提升迭代速度
以前的划分比例是因为数据少,为了确保验证集足够大,能够对指标进行评估,选出更好的算法(分类器)
更改指标或验证集
与人类水平比较
贝叶斯最优错误率是理论最低的错误率,除非过拟合
brief summary
哈哈哈,这鼓励爱了
误差分析
清除标注错误的数据
在构造实际系统时,通常需要更多的人工错误分析,更多的人类见解来构建
统计错误数据,花费一些时间进行误差分析,找到需要优先处理的任务
在不同的数据划分上进行训练
training-dev set
解决数据不匹配
迁移学习
当你尝试优化任务B的性能,并且任务B的数据相对较少,你可以找一个相关但不同的任务(拥有大量数据),such as图像识别,并从中学到很多低层次特征,能帮助你提升B的性能
多任务学习
端到端的深度学习
异教徒