应兆康的专栏

162 篇文章
60 人订阅

编程算法

YingJoy_

27. 减少方差的技术

1916
YingJoy_

27. 减少方差的技术

• 添加更多的训练数据:这是最简单也是最可靠的一种方式来处理方差,只要你能访问大量的数据并有足够的计算能力来处理它们。

1794
YingJoy_

数据规模的增大促进了机器学习的发展

1371
YingJoy_

开发集和测试集

1991
YingJoy_

建立一个单一数字的评估指标

1591
YingJoy_

机器学习需要的数学基础

2061
YingJoy_

14. 错误分析:查看开发集样本来评估ideas

1661
YingJoy_

18. Eyeball和Blackbox开发集应该多大?

1231
YingJoy_

19. 总结:基本错误分析

1361
YingJoy_

21. 关于偏差和方差的实例

1481
YingJoy_

24. 偏差和方差之间的权衡

1417
YingJoy_

25. 减少可避免偏差的方法

1184
YingJoy_

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

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

70426
YingJoy_

21. 关于偏差和方差的实例

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。

34410
YingJoy_

19. 总结:基本错误分析

• 不要一开始就尝试设计和构建完美的系统,而是尽可能快的建立和训练一个基础的系统(几天之内),然后使用错误分析。帮助你找到最优的方向,并迭代改进你的算法。

3279
YingJoy_

18. Eyeball和Blackbox开发集应该多大?

你的 Eyeball 开发集应该足够大,大到可以让你了解到算法的主要错误类别。如果你正在从事一项人类可以表现很好的任务(如识别图像中的猫咪),下面是一些指导方...

3268
YingJoy_

17. 如果你有一个很大的开发集,把它分为两个子集,只着眼于其中一个

假设你有一个含有5000个样本的大型开发集,其中有20%的错误率。这样,算法对约1000个图片进行错误分类。手动检查1000张图片是非常耗费时间的, 所以我们可...

32110
YingJoy_

15. 在错误分析中并行多个想法

你的团队有以下几个想法,来改进你的猫咪分类器: • 解决狗被错误分为猫咪的问题。 • 解决“大型猫科动物(greast cats)”(狮子或豹子等)被错认家猫(...

3829
YingJoy_

14. 错误分析:查看开发集样本来评估ideas

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...

3758
YingJoy_

机器学习需要的数学基础

机器学习(Machine Learning, ML)是一门多领域交叉学科,涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。专门研究计算机怎样模拟或...

4979

扫码关注云+社区

领取腾讯云代金券