机器学习基石16 Three Learning Principles

转载时请标明本文链接和作者,谢谢合作!

微信号: 机器学习小蜜蜂

本篇是机器学习基石的最后一课。主要介绍机器学习中非常重要,极其容易被忽略的三个原则。

机器学习三原则

Occam’s Razor

entia non sunt multiplicanda praeter necessitatem

(entities must not be multipliedbeyond necessity)—William of Occam (1287-1347)

对应到机器学习中,Simple Model First (linear first)

Sampling Bias

If the data is sampled in a biased way, learning will produce a similarity biased outcome

应当避免采样偏见,特别是验证时的偏见。

Data Snooping

If a data set has affected any step in the learning process, its ability to assess the outcome has been com- promised.

特别要避免人眼窥探数据。

careful balance between data-driven modeling (snooping) and validation (no-snooping)

Next

小结

本篇介绍机器学习中的三个重要原则。

至此,机器学习基石课告一段落,后续会推出机器学习实战系统,敬请期待!

最后,由衷感谢林老师,看完这个课程,醍醐灌顶。

参考:

1. 本文截图来自林田轩老师的课件

感谢你关注“机器学习小蜜蜂”,期待你的留言和建议。

  • 发表于:
  • 原文链接http://kuaibao.qq.com/s/20171212G0XB3M00?refer=cp_1026
  • 腾讯「云+社区」是腾讯内容开放平台帐号(企鹅号)传播渠道之一,根据《腾讯内容开放平台服务协议》转载发布内容。
  • 如有侵权,请联系 yunjia_community@tencent.com 删除。

同媒体快讯

扫码关注云+社区

领取腾讯云代金券