http://blog.csdn.net/u011239443/article/details/78117155
各种各样的机器学习策略。如何选择、使用?
调参时,应将两个参数进行正交,降低操作的复杂:
用平均值来代替多个值:
准确率和运行时间之间的协调:
传统开发集合测试集的大小:
深度学习下,数据量很大,1%的开发集 和 1%的测试集数据已足够。而且,深度学习来说,训练集规模需求比较大:
对不同的数据记录设置不同的代价权重:
我们用人类变现的误差来估算贝叶斯误差,但是我们的训练误差越接近人类误差,用人类误差越无法准确的用于估计贝叶斯误差:
当训练误差小于人类误差,就很难去判断是误差还是偏差的问题: