注意本文章内容都来自网易云课堂 深度学习微专业课程
正交化 orthogonalization
1、在训练训练集的时候
如果训练集收敛的不好,考虑使用更大的网络,或者改变优化算法(sgd\RMSprop\adam)
2、在dev set上拟合的不好
正则化,或者使用更大的训练集
3、在test set 上拟合不好
使用更大的dev set数据
4、在现实世界中表现较好
如果在现实使用中表现的不好,那么可能是test set不正确。或者是cost function没有很好的估计正确性。
1准确率(precision) 当判断是猫的时候,是猫的可能行。查准率
召回率 recall 表示是猫,并识别出是猫的概率。查全率
2查准率和查全率的调和平均数
2/(1/p+1/r) "Harmonic mean"
3、单实数评估能够更快的帮你判断哪个是好的