博客围绕ML策略展开，介绍了正交化、单一数字评估指标、满足和优化指标等内容，还提及训练、开发、测试集的划分与大小，以及何时改变相关集合和指标。同时探讨了人的表现与可避免偏差，最后阐述如何改善模型表现。
吴恩达深度学习3笔记week1—— 机器学习（ML）策略（1）Introduction to ML strategy
- 1.1 为什么是 ML 策略 Why ML strategy
- 1.2 正交化 Orthogonalization
- 1.3 单一数字评估指标 Single number evaluation metric
- 1.4 满足和优化指标 Satisficing and optimizing metrics
- 1.5 训练 / 开发 / 测试集划分 Train/dev/test distributions
- 1.6 开发集合测试集的大小 Size of dev and test sets
- 1.7 什么时候该改变开发 / 测试集和指标 When to change dev/test sets and metrics
- 1.8 为什么是人的表现 Why human-level performance
- 1.9 可避免偏差 Avoidable bias
- 1.10 理解人的表现
- 1.11 超过人的表现
- 1.12 改善模型表现
1.1 为什么是 ML 策略 Why ML strategy
1.2 正交化 Orthogonalization
1.3 单一数字评估指标 Single number evaluation metric
- example 1
- example 2
1.4 满足和优化指标 Satisficing and optimizing metrics
1.5 训练 / 开发 / 测试集划分 Train/dev/test distributions
1.6 开发集合测试集的大小 Size of dev and test sets
1.7 什么时候该改变开发 / 测试集和指标 When to change dev/test sets and metrics
1.8 为什么是人的表现 Why human-level performance
扫一扫
1725
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
