机器学习任务攻略
检查Training data 的Loss
-
Loss太大
-
Model Bias
-
模型太简单
重新设置Model:增加Feature
-
-
Optimization做的不好
Gradient Descent 找不到Global Minima
Model Bias VS. Optimization Issue
简单模型的Loss比复杂模型的Loss还小:Optimization Issue
-
-
Loss不大
-
Testing data的Loss小
完美
-
Testing data的Loss大
-
过拟合
-
增加训练资料
Data augmentation
-
限制模型
减少参数,共享参数,Less features,Early stopping,Regularization,Dropout
限制也不能太多会出现Model Bias
Cross Validation:
Training Set分成:
-
Training Set
-
Validation Set
调整模型,选择最小的Loss
怎么分:
N-fold Cross Validation:
-
-
-
Mismatch
训练资料、测试资料的分布不同
-
-