machine learning
wzdjsgf
haha
展开
-
Techniques for reducing avoidable bias (吴恩达《MACHINE LEARNING YEARNING》)
减少可避免偏差的方法 如果你的学习算法遭受高可避免偏差,你可以尝试以下方法: 增加模型大小(如神经元/层的数量):该方法可以减少偏差,因为它可以让你更好的适应训练集。如果你发现该方法增加了方差,那么使用正则化方法,它通常能够消除方差的增加。 基于错误分析的洞察修改输入特征:假设错误分析启发你去创建额外的特征,以帮助算法消除特定类别的错误。(我们在下一章节进一步讨论)这些新特征可能有助于减少...原创 2018-05-29 17:07:04 · 214 阅读 · 0 评论 -
Techniques for reducing variance(吴恩达《MACHINE LEARNING YEARNING》)
减少方差的方法 如果你的学习算法遭受高方差,你可以尝试以下方法: 添加更多训练数据:只要你能够获取更多的数据和处理这些数据的充足计算能力,这是处理方差问题最简单也是最可靠的方法。 添加正则化(L2正则化,L1正则化,dropout):该方法减少了方差,但增加了偏差。 添加提前停止(early stopping)(基于开发集错误提前停止梯度下降):该方法减少方差但增加了偏差。提前停止的行为很像...原创 2018-05-29 17:09:18 · 252 阅读 · 0 评论