34.如何定义人类处于什么样的水平 翻译自 吴恩达新书-Machine Learning Yearning

本文探讨了在医学成像应用中,如何设定AI诊断错误率的基准。从初级医生到专家小组,不同水平的诊断错误率揭示了人类水平的表现。设定2%的错误率为最优目标,有助于改进AI模型,并利用医生直觉进行错误分析。

更多好玩的机器学习教程: 进入袋马学院领一份 ,全部免费?.

假设你正在开发一个医学成像应用,它能自动地从X射线图像中做出诊断。一个没有医学背景人,通过简单训练后,能达到15%的错误率,初级医生能达到10%的错误率,一个老练医生可以达到5%的错误率。一个小型的医生小组通过讨论和辩论后,能达到2%的错误率。那我们要把哪一个定义为人类水平呢?

在这种情况下,我们将用2%的错误率作为我们最优的错误率。你也可以将2%错误率作为算法的期望值,如上一章所说,这么做有三个好处:

  • 容易获取人类标记的数据。你可以找一个医生团队,来标记样本标签,这样你就能获得2%错误率的样本集了。
  • 可以凭直觉进行错误分析。你可以利用医生的直觉,来帮助你改进模型。
  • 用人类水平来评估最优的错误率并设置模型的期望值。用2%错误率来作为我们的目标是合理的。最优的错误率应该低于2%,不会更高,因为医生团队可以达到2%的错误率。

当需要标注数据时,往往不需要医生团队针对每张图片都讨论后给出标记,因为他们的时间是非常昂贵的。或许你可以找一个初级医生标记大多数的样本,然后将较难识别的样本交给成本较高的医生或医生团队。

如果你的系统当前的错误率为40%,那么使用初级医生或者老练医生来标记数据并没多大区别。但是,如果你的系统错误率已经降到10%了,那么将人工水平设置到2%,会非常有助于你改进系统。

更多好玩的机器学习教程: 进入袋马学院领一份 ,全部免费?.

【最优潮流】直流最优潮流(OPF)课设(Matlab代码实现)内容概要:本文档主要围绕“直流最优潮流(OPF)课设”的Matlab代码实现展开,属于电力系统优化领域的教学与科研实践内容。文档介绍了通过Matlab进行电力系统最优潮流计算的基本原理与编程实现方法,重点聚焦于直流最优潮流模型的构建与求解过程,适用于课程设计或科研入门实践。文中提及使用YALMIP等优化工具包进行建模,并提供了相关资源下载链接,便于读者复现与学习。此外,文档还列举了大量与电力系统、智能优化算法、机器学习、路径规划等相关的Matlab仿真案例,体现出其服务于科研仿真辅导的综合性平台性质。; 适合人群:电气工程、自动化、电力系统及相关专业的本科生、研究生,以及从事电力系统优化、智能算法应用研究的科研人员。; 使用场景及目标:①掌握直流最优潮流的基本原理与Matlab实现方法;②完成课程设计或科研项目中的电力系统优化任务;③借助提供的丰富案例资源,拓展在智能优化、状态估计、微电网调度等方向的研究思路与技术手段。; 阅读建议:建议读者结合文档中提供的网盘资源,下载完整代码与工具包,边学习理论边动手实践。重点关注YALMIP工具的使用方法,并通过复现文中提到的多个案例,加深对电力系统优化问题建模与求解的理解。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值