分享Andrew Ng在深度学习暑期班中演讲的机器学习项目
更多深度文章,请关注:https://yq.aliyun.com/cloud 作者:Thomas Johnson,位于芝加哥 大家可以去GitHub看项目。 本文尝试从在2016年深度学习暑期学校中Andrew Ng的“应用深度学习的基本要点”谈话中总结了他的推荐机器学习工作流程。任何错误或误解都是我自己的观点。 从此开始 1.在你的任务上衡量一个人的表现 2.你的训练和测试数据来自相同的分布吗? 是的 不是 如果你的训练和测试数据来自相同的分布 1.打乱并将您的数据分成训练/开发/测试集 Ng建议训练/开发/测试拆分约70%/ 15%/ 15%。 2.测量你的训练错误和开发集错误,并计算偏差和方差 计算你的偏差和方差为: 偏差=(训练集错误) - (人为错误) 方差=(开发集错误) - (训练集错误) 3. 你的偏差值高吗? 高偏差的例子: 错误类型 错误率 人为错误 1% 训练集错误 5% 开发集错误 6% 在进入下一步之前修正高偏差。 4. 你有高方差吗? 高方差的例子: 错误类型 错误率 人为错误 1% 训练集错误 2% 开发集错误 6% 一旦你解决了高方差,那么你完成了! ...