10. Having a dev set and metric speeds up iterations 有一个开发集和评估指标来加速迭代(《MACHINE LEARNING YEARNING》翻
2016-12-09 11:03
309 查看
有一个开发集和评估指标来加速迭代
对于一个新问题,很难事先知道什么方法是最合适的。即使经验丰富的机器学习研究者在发现满意的方法之前也会尝试各种各样的idea。在构建机器学习系统时,我经常会:首先想出一些构建系统的想法(idea)
在代码(code)中实现这些idea
进行实验(experiment),通过实验判断我的想法 work的怎么样。(通常我的前几个想法都不是很work!)基于这些知识,再生成更多的idea,并不断迭代。
这是一个不断迭代的过程。你循环得越快,你的进展也就越快。这就是 开发/测试集 和评估指标非常重要的原因:每次你尝试一个新的想法时,在开发集上测试其表现性能,这将使你快速判断你是否在朝着正确的方向前进。
相反,如果你没有特定的开发集和评估指标。那么每次你的团队开发出一个新的猫分类器时,你必须把它移植到你的应用程序,并亲身体验几个小时来感受一下这个新的分类器性能是否有提升。这将是极其极其慢的!并且,如果你的团队将分类器的准确率从95.0%提升到95.1%,你可能无法通过亲身体验来感受到这0.1%的改进。而通过这些0.1%的不断改进,你的系统将取得很大的进步。有一个开发集和评估指标,你可以很快地检测出哪些想法给你的系统带来了小(或大)的改进,然后你就清楚地知道了哪些想法可以进一步改善,而哪些需要被舍弃。
相关文章推荐
- 11. When to change dev/test sets and metrics 何时更改开发/测试集和评估指标(《MACHINE LEARNING YEARNING》翻译)
- 9. Optimizing and satisficing metrics 优化指标和满足指标(《MACHINE LEARNING YEARNING》翻译)
- 7. How large do the dev/test sets need to be? 开发集和测试集多大合适(《MACHINE LEARNING YEARNING》翻译)
- 5. Your development and test sets 你的开发集和测试集(《MACHINE LEARNING YEARNING》翻译)
- 敏捷开发——迭代质量评估报告
- 创建或评估一个WEB开发框架需要考虑的基本要素
- Machine Learning Yearning(开篇、1、2)
- machine learning yearning: 3
- 【treeview开发笔记(2)】高兴,又发现了一个加速treeview的方法
- 中科院计算所开源Easy Machine Learning:让机器学习应用开发简单快捷 By 机器之心2017年6月13日 13:05 今日,中科院计算所研究员徐君在微博上宣布「中科院计算所开源了
- Machine Learning Yearning(5、6、7)
- 开发中的任务分配也是一个迭代的过程
- Coursera Machine Learning : Regression 评估性能
- [Machine Learning & Algorithm] 决策树与迭代决策树(GBDT)
- 8. Establish a single-number evaluation metric for your team to optimize 建立一个单一数字的评估指标(MACHINE LE
- 2. How to use this book to help your team 如何使用这本书来帮助你的团队(《MACHINE LEARNING YEARNING》翻译)
- 开发一个评估系统选什么开发平台好
- 如何评估机器学习模型(How to Evaluate Machine Learning Models)
- 《MACHINE LEARNING YEARNING》翻译——开篇
- 12. Takeaways: Setting up development and test sets 小结:建立开发集和测试集(《MACHINE LEARNING YEARNING》翻译)