吴恩达-DeepLearning.ai-03 结构化机器学习项目总结
第一周 机器学习(ML)策略(1)
什么是ML策略?
当你的模型达到一定的效果时,你想提升你的模型性能时,这时候有很多选择,怎么能高效的处理呢。
正交化调节思想:类似于向量正交的概念,就是要确定好你的调节方向。
策略一:选择一个单一的评价指标,可以清楚地判断模型每次迭代的好坏。
根据指标综合评估性能。
训练开发测试的数据要来自同一数据分布
数据集大小的分配问题(已经提到过)
什么时候该改变开发测试的目标?
当你的当前评价指标不能评价算法性能的好坏的时候,你需要改变评价指标或者开发测试集。
人的表现:任何算法的比较
分析偏差方差原因,来解决避免。
模型的优化(对上面的总结):
第二周 机器学习(ML)策略(2)
1、进行误差分析
进行误差分析可以让我们认识算法和数据这两方面存在什么问题,从而做出相应的改进。
2、对错误的数据进行标记(原始/预测)
搭建一个系统:对于新问题从简单到复杂,对于老问题参考已有经验可以从复杂开始
不同的分布上进行训练和测试(分布不同,数据的结果在偏差和方差上就能反映出来)。
迁移学习(从大数据集到小数据集应用较多):
从一个任务中学习到的知识,应用到另一个问题上去。
多任务学习:
训练一个神经网络,同时执行多个任务(提高性能)。