吴恩达机器学习（十六）机器学习流水线、上限分析

版权声明：本文为博主原创文章，未经博主允许不得转载。 https://blog.csdn.net/zhq9695/article/details/83045257

目录

0. 前言

1. 流水线

2. 上限分析（Ceiling analysis）

---

学习完吴恩达老师机器学习课程的照片OCR，简单的做个笔记。文中部分描述属于个人消化后的理解，仅供参考。

如果这篇文章对你有一点小小的帮助，请给个关注喔~我会非常开心的~

0. 前言

在设计机器学习项目的时候，通常会制定一条流水线（数据预处理、特征提取、...之类），根据流水线完成项目。

在完成项目的时候，通常对其精确率进行优化，可采取上限分析（Ceiling analysis），分析最有可能提高精确率的地方。

1. 流水线

如下图所示（图源：吴恩达机器学习），为OCR（光学字符识别）的流水线：

图像  文本识别  字符分割  字符识别

2. 上限分析（Ceiling analysis）

上限分析作用是在于发现流水线中哪个步骤优化以后，会给整个模型带来最大的优化。

如下图所示（图源：吴恩达机器学习）：

在上述例子中，整体的精确率为  ，如果人为进行文本识别（将文本识别的精确率提高至  ），则整体精确率为  ，提高了  ，如果继续人为进行字符分割（将字符分割的精确率提高至  ），则整体精确率为  ，提高了  ，如果继续人为进行字符识别（将字符识别的精确率提高至  ），则整体精确率为  ，提高了  。由此可见，优化文本识别，会给整个模型带来最大的优化。

---

如果这篇文章对你有一点小小的帮助，请给个关注喔~我会非常开心的~