【Datawhale X 李宏毅苹果书 AI夏令营】《深度学习详解》Task3 打卡

---

前言

本文是【Datawhale X 李宏毅苹果书 AI夏令营】的Task3学习笔记打卡。

学习目标

李宏毅老师对应视频课程：https://www.bilibili.com/video/BV1JA411c7VT?p=4
《深度学习详解》第二章主要介绍了训练模型时的优化方法。

---

一、优化策略

完成的作业如果在 Kaggle 上的结果不太好，虽然 Kaggle 上呈现的是测试数据的结果，但要先检查训练数据的损失。
看看模型在训练数据上面，有没有学起来，再去看测试的结果。

Kaggle 是一个全球知名的数据科学和机器学习竞赛平台，同时也是一个数据科学社区。它提供了各种与数据科学相关的资源，包括竞赛、数据集、代码共享、讨论论坛和学习资源。

二、模型偏差

模型偏差可能会影响模型训练，所以如果模型的灵活性不够大，可以增加更多特征，可以设一个更大的模型，可以用深度学习来增加模型的灵活性，这是第一个可以的解法。

三、优化问题

但是并不是训练的时候，损失大就代表一定是模型偏差，可能会遇到另外一个问题：优化做得不好。