[C3] Structuring Machine Learning Projects
其他
2019-06-15 16:38:09
阅读次数: 0
第一周：机器学习策略（1）（ML Strategy（1））
为什么是ML策略？（Why ML Strategy）
正交化（Orthogonalization）
单一数字评估指标（Single number evaluation metric）
满足和优化指标（Satisficing and Optimizing metric）
训练集、开发集、测试集的划分（Train/dev/test distributions）
开发集和测试集的大小（Size of the dev and test sets）
什么时候改变开发集/测试集和评估指标（When to change dev/test sets and metrics）
可避免偏差（Avoidable bias）
第二周：机器学习策略（2）（ML Strategy（2））
误差分析（Carrying out error analysis）
清除标注错误的数据（Cleaning up incorrectly labeled data）
快速搭建你的第一个系统，并进行迭代（Build your first system quickly, then iterate）
在不同的分布上的训练集和测试集（Training and testing on different distributions）
数据分布不匹配的偏差与方差分析（Bias and Variance with mismatched data distributions）
处理数据不匹配问题（Addressing data mismatch）
迁移学习（Transfer learning）
多任务学习（Multi-task learning）
什么是端到端的深度学习？（What is end-to-end deep learning?）
是否使用端到端的深度学习方法（Whether to use end-to-end deep learning）
转载自www.cnblogs.com/keyshaw/p/11027692.html