【李宏毅2021机器学习深度学习】2-1 机器学习任务攻略

最新推荐文章于 2023-06-25 19:27:01 发布

接深度学习联系丝信

最新推荐文章于 2023-06-25 19:27:01 发布

阅读量2.6k

点赞数

分类专栏：深度学习_李宏毅文章标签：深度学习

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文链接：https://blog.csdn.net/weixin_43154149/article/details/121669621

版权

深度学习_李宏毅专栏收录该内容

20 篇文章 8 订阅

订阅专栏

文章目录

写在前面

写在前面

[视频学习-bilibili] | [课程主页——sample code & slide] | [ML2021学习笔记]

2.1 机器学习任务攻略

在这里插入图片描述

机器学习三部曲：1.定义含有参数的f；2.构造含有参数的loss；3.找到最优解θ

在这里插入图片描述

General Guide

在这里插入图片描述

Model Bias

在这里插入图片描述

Optimization Issue

在这里插入图片描述

怎么判断是Model Bias 还是 Optimization？（越大的网络loss反而更高是Optimization的问题，注意与过拟合的区别：过拟合是训练集表现好，但是测试集表现差）

在这里插入图片描述

先用小模型（甚至不是NN方法）看一下loss，再train 深的模型的loss，如果loss还大，那么是Optimization问题（大的模型loss应该更低）

在这里插入图片描述

Overfitting：是train的loss小，test的loss大才是overfitting

在这里插入图片描述

解决Overfitting：More training data（可能是最有效的方法，但是不现实），Data augmentation（要根据自己对资料的特性，理解来做Data augmentation，没人会做图像上下颠倒，不然网络会学到奇奇怪怪的东西）

在这里插入图片描述

Early stopping
在这里插入图片描述

Bias-Complexity Trade-off

在这里插入图片描述

并不是选test loss最低的模型

在这里插入图片描述

Cross Validation

在这里插入图片描述

N-fold Cross Validation

在这里插入图片描述

General Guide（大总结）

在这里插入图片描述

mismatch（所以要做数据分析，看看训练和测试资料是否分布相似）

在这里插入图片描述

接深度学习联系丝信

关注

0
点赞
踩
1

收藏

觉得还不错? 一键收藏
0
评论
【李宏毅2021机器学习深度学习】2-1 机器学习任务攻略

文章目录写在前面2.1 机器学习任务攻略机器学习三部曲：1.定义含有参数的f；2.构造含有参数的loss；3.找到最优解θGeneral GuideModel BiasOptimization Issue怎么判断是Model Bias 还是 Optimization？（越大的网络loss反而更高是Optimization的问题，注意与过拟合的区别：过拟合是训练集表现好，但是测试集表现差）先用小模型（甚至不是NN方法）看一下loss，再train 深的模型的loss，如果loss还大，那么是Optimizat
复制链接

扫一扫

专栏目录

评论

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

实付元

使用余额支付

点击重新获取

扫码支付

钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。