《吴恩达深度学习》学习笔记008_机器学习(ML)策略(1)(ML strategy(1))

http://www.ai-start.com/dl2017/html/lesson3-week1.html

机器学习(ML)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)

查准率(precision)和查全率(recall)
$F_1$分数:$\frac{2}{\frac{1}{P} + \frac{1}{R}}$,在数学中,这个函数叫做查准率$P$和查全率$R$的调和平均数。

满足和优化指标(Satisficing and optimizing metrics)

程序运行时间
假阳性(false positive)

训练/开发/测试集划分(Train/dev/test distributions)

开发(dev)集也叫做开发集(development set),有时称为保留交叉验证集(hold out cross validation set)。
数据随机洗牌

开发集和测试集的大小(Size of dev and test sets)

《吴恩达深度学习》学习笔记008_机器学习(ML)策略(1)(ML strategy(1))

什么时候该改变开发/测试集和指标?(When to change dev/test sets and metrics)

为什么是人的表现?(Why human-level performance?)

贝叶斯错误率

可避免偏差(Avoidable bias)

理解人的表现(Understanding human-level performance)

超过人的表现(Surpassing human- level performance)

改善你的模型的表现(Improving your model performance)

上一篇:【转载】 Linux 设置CPU Performance模式


下一篇:STM32F103C8T6硬件资源