zoukankan      html  css  js  c++  java
  • 吴恩达《机器学习》课程总结(10)_机器学习系统的设计

    Q1首先要做什么

    本章将在随后的课程中讲误差分析,然后怎样用一个更加系统性非方法,从一堆不同的方法中,选取合适的那一个。

    Q2误差分析

    构建一个学习算法的推荐方法为:

    (1)从一个简单的能快速实现的算法开始,实现该算法并用交叉验证集数据测试这个算法;

    (2)绘制学习曲线,决定是增加更多数据,或者添加更多特征,还是其他选择;

    (3)进行误差分析:人工检查交叉验证集中我们算法中产生预测误差的实例,看看这些实例是否有某种系统化的趋势。

    在交叉验证集上做误差分析,不要在测试集在做误差分析。

    Q类偏斜的误差度量

    举例:恶性肿瘤的概率只有0.5%,这时如果不用神经网络全部预测为良性,其误差为0.5%,而用神经网络可能的出来的误差为1%,显然通过误差率来作为系统好坏的判别标准是不好的,在这种类偏斜的问题中,这时候需要用到精确度(precision,又称查准率)和召回率(recall,又称查全率)。

    (1)精确度(precision):是从预测的视角看,真正为真与预测为真的比值即TP/(TP+FP)。

    (2)召回率(recall):是从样本的视角看,被预测出来的正例与总正例的比值即TP/(TP+FN)。

    关于查准率和查全率的理解

    Q4查准率和查全率之间的权衡

    (1)查全率与查准率的关系:

    (2)为了有一个单一的指标定义了F1值:

    Q5机器学习的数据

    有大量的数据(避免了方差),以及足够多的特征(避免了偏差),一般可以得到一个高性能的算法。

  • 相关阅读:
    五、Django之路由系统
    四、Django设置相关
    三、Django安装和流程
    二、Web框架实现
    Flask学习-Wsgiref库
    设计模式之设计模式六大原则(三大基本原则)【1】
    Linux之更改Nginx映射默认根目录
    顺序列表(栈/队列等)ADT[C++]
    [C++]数组与指针(纯代码-复习用)
    [C++]指针与多级指针(图解)
  • 原文地址:https://www.cnblogs.com/henuliulei/p/11279632.html
Copyright © 2011-2022 走看看