机器学习的所有资源链接和经验教训（十四）调试ML模型

调试ML模型

• 当您的ML模型的准确性不够好时，您应该怎么做？
• 如果您的训练精度很高但验证准确性很差，这可能意味着您的模型过度匹配训练数据。
  • 降低模型复杂性
  • 收集更多数据
    • 数据增强有助于（至少对于图像数据）
    • 老实说，只需在ML模型的这个组件中投入更多的时间/金钱几乎总是值得的。
  • 正则化
• 如果你的训练准确性不够好，你可以这样。
  • 增加模型复杂性
    • 每层中有更多层或更多单元
  • 不要尝试添加更多数据。您的模型显然无法对当前数据集中的示例进行分类，因此添加更多数据将无济于事。
• 您可能遇到的任何其他问题。
  • 检查训练数据的质量，确保正确加载所有内容
  • 调整超参数
    • 我知道这很乏味，需要花费大量的时间，但它有时候值得。
    • 网格搜索可能是最好的方法，但请记住，它的计算成本非常高。
    • 我听说随机搜索也有惊人的效果，但我自己没试过。
  • 使用非常简单的模型和仅几个训练点重新启动，并确保您的模型能够学习该数据。一旦获得100％的准确度，就会开始增加模型的复杂性，以及加载越来越多的整个数据集。