腾讯云开发者社区-腾讯云

开发者社区

文档建议反馈控制台

最新优惠活动

文章/答案/技术大牛

发布

应兆康的专栏

专栏作者

162

文章

298848

阅读量

63

订阅数

【玩转腾讯云】打造你的私人 AI 助手

云服务器人工智能云上实践

今天给大家带来的是：在腾讯云上打造你的私人 AI 助手，没想到腾讯云还可以这样玩。

2020-04-19

11.4K3

开发集和测试集

编程算法机器学习神经网络深度学习人工智能

让我们回到之前关于猫咪图片的例子：你开发了一个移动APP，用户可以上传许多不同的图片到你的APP上，你想识别出用户上传的图片中所有包含猫咪的图片。你的团队下载了很多图片数据集，包含猫咪图片（正

2018-05-30

5680

10. 用开发集和评估指标来加速迭代

ide 机器学习神经网络深度学习人工智能

对于一个新问题，事先是很难知道用什么方法解决它是最合适的。即使机器学习经验丰富的研究员也需要尝试许多，才能得到令自己满意的东西。在构建机器学习系统时，我经常会：首先有一些如何构建系统的想法(idea

2018-05-30

4530

Andrew Ng - 《Machine Learning Yearning》 Chapter 23-27

编程算法人工智能自动驾驶

Machine Learning Yearning. 全新版本本书作者是Andrew NG

2018-05-09

9832

Machine-Learning-Yearning Part3 中文版

github 机器学习人工智能

将同步至Github: https://github.com/yingzk/Machine-Learning-Yearning

2018-05-09

7081

21. 关于偏差和方差的实例

编程算法人工智能

思考我们的猫咪分类器。一个理想的分类器（如：人为分类）会在这个任务中有着完美的表现。

2018-05-09

6031

Andrew Ng - 《Machine Learning Yearning》 Chapter 20-22

深度学习人工智能

Machine Learning Yearning. 全新版本本书作者是Andrew NG

2018-05-09

8031

Machine-Learning-Yearning Part2 中文版

github 机器学习人工智能

将同步至Github: https://github.com/yingzk/Machine-Learning-Yearning

2018-05-09

6320

Machine-Learning-Yearning Part1 中文版

github 机器学习人工智能

将同步至Github: https://github.com/yingzk/Machine-Learning-Yearning

2018-05-09

8621

14. 错误分析：查看开发集样本来评估ideas

编程算法机器学习人工智能

当你使用猫咪APP的时候，注意到一些被错误，识别成猫咪的狗样本。一些狗长的像猫！于是一个团队成员建议和第三方软件进行合作，使系统可以更好的处理狗样本。这些改变需要花一个月的时间，并且团队成员热衷于这一方案，你会让他们这样做吗？在为这个任务投资一个月前，我建议你首先评估一下它实际上会提高多少系统的准确率。然后你才能理性的选择是否值得花费这一个月的开发时间。具体来说，你可以做这些事情： 1. 获取100个系统分类错误的样本 2. 手动查看这些样本，计算其中有多少比例是狗的图片查看错误分类样例的这一过程称为：错误分析（error analysis）。在该案例中，如果你发现只有5%的错误分类图像是狗，那么无论你在狗的问题上做多少改进，可能你都无法消除这5%的错误。换句话说，这5%是上述建议能够达到的改进上限。因此，整个系统当前的准确率是90%（误差10%），这一改进可能得到最多90.5%的准确率（或9.5%的错误率，比原来的错误率少5%）。相反，如果你发现50%的错误图像都是狗，那么你最好找一个第三方进行合作。它可以将准确率从90%提升到95%（误差相对减少50%，从10%降到5%）。这种简单的错误分析的计算过程可以给你一个快速的方法来评估为“狗”的问题加入第三方软件是否值得。它为你决定是否做出这笔投资提供了一个定量的基准。错误分析通常可以帮你找出不同想法有哪些前景。我看到很多工程师不愿意进行错误分析。相比于质疑这个想法是否值得花时间投入，直接实现一个然后查看效果可能会更好，这是一个常见的错误：可能会导致你的团队花费一个月的时间只能带来很少的收益。手动检查100个样本不会花费太长的时间。即使你每分钟只看一张图，不到两小时你就可以完成，这不到两小时的时间可以为你节约一个月的白白努力时间，值得花费。错误分析（error analysis）是指检测开发集中算法错误分类样本的过程，以便了解错误的深层原因。它不仅可以帮你重点发展你的项目，正如这个例子所述，还可以给你一些新的启发。下节将讨论该内容。接下来几个章节还将介绍一些错误分析的最佳实践。

2018-05-09

9331

13. 快速构建你的第一个系统，然后进行迭代

人工智能机器学习

你想建立一个新的反垃圾邮件系统，你的团队有以下想法： • 收集一个含有大量垃圾邮件的训练集。例如，设置一个“蜜罐”：故意发送虚假的电子邮件给已知垃圾邮件发送者，以便于能够自动收集它们发送到这些地址的垃圾邮件。 • 开发用于理解电子邮件文本内容的功能。 • 开发用于理解电子邮件header（不清楚可以参考：https://whatismyipaddress.com/email-header）特性的功能，以显示消息所经历的一组网络服务器。 • and more. 尽管我在反垃圾邮件上已经做了大量工作，但我还是很难选择其中的一个方向，如果你不是应用领域的专家，那将更难。所以，开始的时候不要试图设计和构建完美的系统。相反，应该快速构建和训练出一个基本系统——在短短几天的实际内5即使基本系统与你“最佳”系统相差很多，研究基本系统的功能仍非常具有价值：你可以很快的找到你最希望的方向的线索。接下来几章将告诉你如何去阅读这些线索。

2018-05-09

5910

10. 用开发集和评估指标来加速迭代

机器学习人工智能

对于一个新问题，事先是很难知道用什么方法解决它是最合适的。即使机器学习经验丰富的研究员也需要尝试许多，才能得到令自己满意的东西。在构建机器学习系统时，我经常会：

2018-05-09

6651

个人整理的部分人工智能课程有不足的地方求谅解网站初建，很多地方不完善，后续会逐渐完善，感谢每一个访问此页面的人。

2018-03-21

7290

Python 机器学习库 --- sklearn --- 线性模型

神经网络机器学习人工智能 python

本文介绍了Python机器学习库sklearn中的线性回归模型，包括普通最小二乘法和正规方程法。普通最小二乘法使用最小化均方误差来估计模型参数，而正规方程法使用矩阵分解的方法求解线性方程组。这些方法在数据科学和机器学习领域被广泛应用，可以用于预测、建模和估计未知数据。

2017-10-25

2K0

机器学习实战——训练你的 Flappy Pikachu

人工智能机器学习

前言皮卡丘又回来啦，由于上一周有些事情要处理，就没有写文章，真的很对不起大家。:( 不过这次笔者给大家带来了一个非常好玩的东西看标题——机器学习实战——训练你的FlappyPikachu(皮卡丘)

2017-05-26

8150

谷歌发布PhotoScan:拍摄无炫光的图片

图像处理人工智能

本文介绍了使用智能手机应用进行照片扫描并去除眩光的方法，通过使用增强现实技术对照片进行预处理，消除眩光，提高照片质量。主要步骤包括拍摄照片、对齐照片、去除眩光和优化照片。该算法可以在手机上实时运行，具有快速、准确和易用的特点，适用于各种扫描条件，包括无光泽和光泽打印，照片内部或外部相册，杂志封面等。

2017-04-24

2.6K0

谷歌论文抢鲜看：教机器画画

深度学习图像处理人工智能

本文介绍了使用神经网络来生成基于文本的草图，探讨了不同对象之间的潜在空间，并提出了可以用于创意应用程序的潜在技术。

2017-04-17

1.2K0

没有更多了

社区活动

腾讯技术创作狂欢月

“码”上创作 21 天，分 10000 元奖品池！

Python精品学习库

代码在线跑，知识轻松学

博客搬家 | 分享价值百万资源包

自行/邀约他人一键搬运博客，速成社区影响力并领取好礼

技术创作特训营·精选知识专栏

往期视频·千货材料·成员作品最新动态