这次的课程主要讲了如何调整深度学习的模型,使结果更加好。主要的框架是利用kaggle上的作业。
李宏毅老师针对可能出现的问题做了一张“攻略表”,非常详细地解释了出现不同情况背后的原因。
model bias是指模型比较简单,导致出现的预测有较大偏差问题;而optimization问题可能会出现在模型非常复杂导致求解困难,优化过程中陷入局部最优解。此外,即使training data的偏差很小,在testing data中却出现了偏差较大,背后的原因可能在于overfitting过拟合。
我们可以在训练模型时就考虑将训练数据分类,通过数据增强,交叉验证等方法提升模型能力。