网站建设效果有客优秀网站建设效果,济南阿里科技网站建设有限公司,电商网站是怎么建设的,什么网站内链建设误差分析#xff1a;
你运行一个算法代替人类计算#xff0c;但是没有达到人类的效果#xff0c;需要手动检查算法中的错误#xff0c;对模型的一些部分做相应调整#xff0c;才能更好地提升分类的精度。如果不加分析去做#xff0c;可能几个月的努力对于提升精度并没有…误差分析
你运行一个算法代替人类计算但是没有达到人类的效果需要手动检查算法中的错误对模型的一些部分做相应调整才能更好地提升分类的精度。如果不加分析去做可能几个月的努力对于提升精度并没有作用。所以一个好的误差分析的流程就相当重要。
表现上限关注改正一个误差能提高多少准确率
并行的错误分析
做一个表格写出错误的类型并对样本进行统计计算错误类别的百分比结果能给你提供参考决定优先解决的问题 清理错误标签数据
监督学习中有输入数据和输出标签当输出标签错误首先应该考虑训练集的情况其实深度学习对于训练集中的随机错误很稳健但对系统误差本身标记的错误而不是分类器错误不稳健随机误差造成的错误对算法结果影响很小。 如果决定研究开发集手动重新检查标签并且尝试纠正现需要考虑额外的指南和原则
同时应用开发集和测试集检查算法预测准确和错误的例子看那些需要被纠正的有时即使预测对了但仍需要被纠正如果只纠正预测错的评估算法错误率的时候就会有更大的偏差研究开发集和测试集去纠正标签可能应用同样的方法到训练集上也可能不因为纠正训练集不是那么重要同时开发集和测试集需要保持同分布但是训练集稍微i不同也是很合理的 训练和测试的不同分布
如果想扩大训练样本但是只有数据分布不同的数据应该将这部分数据放入训练集。开发集和测试集用的是满足目标分布的数据 不匹配数据分布的偏差和方差
偏差和方差能确定下一步工作的优先级当训练、开发、测试集来自不同的分布时偏差和方差的分析方法也会发生变化。 假如人类在某个问题上有近乎完美表现即贝叶斯误差约等于0进行误差分析时要兼顾训练集和开发集误差 如果训练集和开发集不同分布从训练集误差到开发集误差有两个事情变了
算法看到的数据只有训练集没有开发集俩个集合不同分布
新建立一个子集训练-开发集---从训练集随机抽取一部分混淆区分上述两个事情对误差的影响 数据不匹配解决方法
进行人工误差分析尝试去了解训练集和开发测试集的具体差异在哪里。尝试把训练数据变得更像开发集或者收集更多的类似开发集和测试集的数据如增加噪音
迁移学习 可以将在一个任务的神经网络中学到的东西应用到另一个任务预训练、微调 迁移学习什么时候有用当在被迁移的模型中有大量的数据而目标模型数据较少时 参考吴恩达Coursera深度学习课程 DeepLearning.ai 提炼笔记3-2-- 机器学习策略2_deeplearning ai 笔记 3-2-CSDN博客
