Datawhale AI 夏令营（第五期） 李宏毅苹果书 Task 3 《深度学习详解（入门）》- 2 机器学习框架&实践攻略

机器学习任务攻略_哔哩哔哩_bilibili

《深度学习详解》的第二章，主要探讨了机器学习实践中的方法论，以及如何解决模型训练过程中可能出现的问题。

主要内容：

• 实践方法论的重要性：
  • 强调实践方法论对于机器学习算法应用的重要性。
  • 提醒关注训练数据的损失，判断模型是否真正学到了东西。
• 模型偏差：
  • 解释模型偏差的概念，即模型过于简单，无法捕捉到数据的真实规律。
  • 举例说明模型偏差导致训练损失大的情况。
  • 建议通过增加特征、增大模型、使用深度学习等方法来增加模型的灵活性。
• 优化问题：
  • 解释优化问题的概念，即梯度下降等优化算法无法找到最优解。
  • 举例说明优化问题导致训练损失大的情况。
  • 建议通过比较不同模型、使用其他优化算法等方法来解决优化问题。
• 过拟合：
  • 解释过拟合的概念，即模型过于复杂，对训练数据过度拟合，导致泛化能力差。
  • 举例说明过拟合导致测试损失大的情况。
  • 建议通过增加训练数据、数据增强、减少模型参数、使用正则化等方法来解决过拟合问题。
• 不匹配：