#Datawhale X 李宏毅苹果书 AI夏令营#2.实践方法论

2024-08-30 16:36

本文主要是介绍#Datawhale X 李宏毅苹果书 AI夏令营#2.实践方法论,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

2.实践方法论

概览:

  • 在应用机器学习算法时,实践方法论能够帮助我们更好地训练模型。
  • 如果在Kaggle上的结果不佳,首先应检查训练数据的损失,确认模型是否在训练集上表现良好。

2.1模型偏差

模型偏差可能会影响模型训练。

  • 定义:当模型过于简单,无法捕获数据中的复杂模式时,会发生模型偏差。
  • 示例:假设模型仅能表示一组有限的函数,可以让损失变低的函数不在模 型可以描述的范围内。
  • 解决方案:重新设计一个模型,给模型更大的灵活性。
    • 增加输入特征数量,使用更多的特征。
    • 使用深度学习(更多神经元、层)来提高模型的灵活性。

2.2优化问题

一般只会用到梯度下降进行优化,这种优化的方法很多的问题。

  • 定义:即使模型具有足够的灵活性,也可能因为优化方法(如梯度下降)的问题而未能找到最优解。
  • 示例:优化过程卡在局部最小值的地方。
  • 解决方案
    • 通过比较不同的模型来判断模型现在到底够不够大。比如残差网络的例子,56层的损失比20层高,因为56层网络的优化没有做好。
    • 可以先训练一些比较浅的模型,或者是一些比较简单的模型,先知道这些简单的模型,到底可以得到什么样的损失。
    • 如果深的模型跟浅的模型比起来,深的模型明明灵活性比较 大,但损失却没有办法比浅的模型压得更低代表说优化有问题,梯度下降不给力。
    • 如果更深的网络性能没有提升,则表明可能存在优化问题。

2.3过拟合

为什么会有过拟合这样的情况呢?过拟合如何解决呢?

  • 定义:模型在训练数据上表现极佳,但在未见过的数据(测试数据)上表现较差的现象。
  • 原因:模型过度适应训练数据,学习到了噪声而非潜在的规律。
  • 解决方案
    • 增加训练数据:收集更多的训练样本或使用数据增强技术。
    • 限制模型复杂度
      • 给模型比较少的参数。如果深度学习,给他比较少的神经元的数量;,或者让模型共用参数。
      • 用比较少的特征。
      • 应用正则化、早停或丢弃法等技术。

模型复杂度的平衡:可以选一个中庸的模型,不是太复杂的,也不是太简单的,刚刚好可以在训练集上损失最低,测试损失最低。

2.4交叉验证

比较合理选择模型的方法是把训练的数据分成两半,一部分称为训练集(training set), 一部分是验证集(validation set)。

  • 目的:交叉验证是一种评估模型泛化能力的方法,用于选择最佳模型。
  • 流程
    • 将数据集分为训练集和验证集,通常比例为90%和10%。
    • 使用训练集训练模型,并使用验证集评估模型性能。
    • 根据验证集上的性能挑选模型,然后将最终选定的模型应用于整个训练集进行训练。
  • k折交叉验证(k-fold cross validation)
    • 将训练集切成k等份。
    • 重复k次,每次将其中一个折用作验证集,其余k-1个折用作训练集。
    • 计算每个模型在所有k次验证上的平均性能,选择平均性能最佳的模型。
  • 优点
    • 减少了验证集随机划分的影响。
    • 更充分地利用了数据集中的样本。

2.5不匹配

  • 定义:不匹配是指训练集和测试集之间的数据分布差异。
  • 示例
    • 使用2020年的数据作为训练集,2021年的数据作为测试集,不匹配问题可能很严重。
    • 数据背后的基础分布发生了变化,导致模型预测效果不佳。
  • 案例分析
    • 模型预测2021年2月26日的观看人数,但实际结果与预测相差甚远。
    • 模型基于过去的数据预测周五晚上观看人数较低,但实际情况相反。
  • 解决方案
    • 需要理解数据本身的生成方式,识别分布变化的原因。
    • 收集更多数据通常不能解决不匹配问题。

喜欢的小伙伴点赞收藏关注吧。

这篇关于#Datawhale X 李宏毅苹果书 AI夏令营#2.实践方法论的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/1121351

相关文章

Spring Boot 配置文件之类型、加载顺序与最佳实践记录

《SpringBoot配置文件之类型、加载顺序与最佳实践记录》SpringBoot的配置文件是灵活且强大的工具,通过合理的配置管理,可以让应用开发和部署更加高效,无论是简单的属性配置,还是复杂... 目录Spring Boot 配置文件详解一、Spring Boot 配置文件类型1.1 applicatio

tomcat多实例部署的项目实践

《tomcat多实例部署的项目实践》Tomcat多实例是指在一台设备上运行多个Tomcat服务,这些Tomcat相互独立,本文主要介绍了tomcat多实例部署的项目实践,具有一定的参考价值,感兴趣的可... 目录1.创建项目目录,测试文China编程件2js.创建实例的安装目录3.准备实例的配置文件4.编辑实例的

Python 中的异步与同步深度解析(实践记录)

《Python中的异步与同步深度解析(实践记录)》在Python编程世界里,异步和同步的概念是理解程序执行流程和性能优化的关键,这篇文章将带你深入了解它们的差异,以及阻塞和非阻塞的特性,同时通过实际... 目录python中的异步与同步:深度解析与实践异步与同步的定义异步同步阻塞与非阻塞的概念阻塞非阻塞同步

Python Dash框架在数据可视化仪表板中的应用与实践记录

《PythonDash框架在数据可视化仪表板中的应用与实践记录》Python的PlotlyDash库提供了一种简便且强大的方式来构建和展示互动式数据仪表板,本篇文章将深入探讨如何使用Dash设计一... 目录python Dash框架在数据可视化仪表板中的应用与实践1. 什么是Plotly Dash?1.1

基于Flask框架添加多个AI模型的API并进行交互

《基于Flask框架添加多个AI模型的API并进行交互》:本文主要介绍如何基于Flask框架开发AI模型API管理系统,允许用户添加、删除不同AI模型的API密钥,感兴趣的可以了解下... 目录1. 概述2. 后端代码说明2.1 依赖库导入2.2 应用初始化2.3 API 存储字典2.4 路由函数2.5 应

springboot集成Deepseek4j的项目实践

《springboot集成Deepseek4j的项目实践》本文主要介绍了springboot集成Deepseek4j的项目实践,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价... 目录Deepseek4j快速开始Maven 依js赖基础配置基础使用示例1. 流式返回示例2. 进阶

Android App安装列表获取方法(实践方案)

《AndroidApp安装列表获取方法(实践方案)》文章介绍了Android11及以上版本获取应用列表的方案调整,包括权限配置、白名单配置和action配置三种方式,并提供了相应的Java和Kotl... 目录前言实现方案         方案概述一、 androidManifest 三种配置方式

Spring Boot中定时任务Cron表达式的终极指南最佳实践记录

《SpringBoot中定时任务Cron表达式的终极指南最佳实践记录》本文详细介绍了SpringBoot中定时任务的实现方法,特别是Cron表达式的使用技巧和高级用法,从基础语法到复杂场景,从快速启... 目录一、Cron表达式基础1.1 Cron表达式结构1.2 核心语法规则二、Spring Boot中定

Spring AI ectorStore的使用流程

《SpringAIectorStore的使用流程》SpringAI中的VectorStore是一种用于存储和检索高维向量数据的数据库或存储解决方案,它在AI应用中发挥着至关重要的作用,本文给大家介... 目录一、VectorStore的基本概念二、VectorStore的核心接口三、VectorStore的

Ubuntu中Nginx虚拟主机设置的项目实践

《Ubuntu中Nginx虚拟主机设置的项目实践》通过配置虚拟主机,可以在同一台服务器上运行多个独立的网站,本文主要介绍了Ubuntu中Nginx虚拟主机设置的项目实践,具有一定的参考价值,感兴趣的可... 目录简介安装 Nginx创建虚拟主机1. 创建网站目录2. 创建默认索引文件3. 配置 Nginx4