05 2024 档案

机器学习策略篇：详解超过人的表现（Surpassing human- level performance）
摘要：超过人的表现 讨论过机器学习进展，会在接近或者超越人类水平的时候变得越来越慢。举例谈谈为什么会这样。 假设有一个问题，一组人类专家充分讨论辩论之后，达到0.5%的错误率，单个人类专家错误率是1%，然后训练出来的算法有0.6%的训练错误率，0.8%的开发错误率。所以在这种情况下，可避免偏差是多少？这个 阅读全文
posted @ 2024-05-31 09:40 Oten 阅读(62) 评论(0) 推荐(0)
机器学习策略篇：详解理解人的表现（Understanding human-level performance）
摘要：理解人的表现 人类水平表现这个词在论文里经常随意使用，但现在告诉这个词更准确的定义，特别是使用人类水平表现这个词的定义，可以帮助推动机器学习项目的进展。还记得上个博客中，用过这个词“人类水平错误率”用来估计贝叶斯误差，那就是理论最低的错误率，任何函数不管是现在还是将来，能够到达的最低值。先记住这点， 阅读全文
posted @ 2024-05-30 09:52 Oten 阅读(71) 评论(0) 推荐(0)
机器学习策略篇：详解可避免偏差（Avoidable bias）
摘要：可避免偏差 如果希望学习算法能在训练集上表现良好，但有时实际上并不想做得太好。得知道人类水平的表现是怎样的，可以确切告诉算法在训练集上的表现到底应该有多好，或者有多不好，让我说明是什么意思吧。 经常使用猫分类器来做例子，比如人类具有近乎完美的准确度，所以人类水平的错误是1%。在这种情况下，如果您的学 阅读全文
posted @ 2024-05-29 14:05 Oten 阅读(62) 评论(0) 推荐(0)
机器学习策略篇：详解为什么是人的表现？（Why human-level performance?）
摘要：为什么是人的表现？ 在过去的几年里，更多的机器学习团队一直在讨论如何比较机器学习系统和人类的表现，为什么呢？ 认为有两个主要原因，首先是因为深度学习系统的进步，机器学习算法突然变得更好了。在许多机器学习的应用领域已经开始见到算法已经可以威胁到人类的表现了。其次，事实证明，当试图让机器做人类能做的事情 阅读全文
posted @ 2024-05-14 09:46 Oten 阅读(107) 评论(0) 推荐(0)
机器学习策略：详解什么时候该改变开发/测试集和指标？（When to change dev/test sets and metrics）
摘要：什么时候该改变开发/测试集和指标？ 有时候在项目进行途中，可能意识到，目标的位置放错了。这种情况下，应该移动的目标。 来看一个例子，假设在构建一个猫分类器，试图找到很多猫的照片，向的爱猫人士用户展示，决定使用的指标是分类错误率。所以算法\(A\)和\(B\)分别有3％错误率和5％错误率，所以算法\( 阅读全文
posted @ 2024-05-09 10:44 Oten 阅读(79) 评论(0) 推荐(0)
机器学习策略篇：详解开发集和测试集的大小（Size of dev and test sets）
摘要：在深度学习时代，设立开发集和测试集的方针也在变化。 可能听说过一条经验法则，在机器学习中，把取得的全部数据用70/30比例分成训练集和测试集。或者如果必须设立训练集、开发集和测试集，会这么分60%训练集，20%开发集，20%测试集。在机器学习的早期，这样分是相当合理的，特别是以前的数据集大小要小得多 阅读全文
posted @ 2024-05-07 11:02 Oten 阅读(508) 评论(0) 推荐(0)