机器学习研究的 12 个宝贵经验
2023-09-27 14:19:44 时间
CSDN 叶庭云:https://yetingyun.blog.csdn.net/
一、前言
华盛顿大学教授 Pedro Domingos 的一篇名为《A Few Useful Things to Know About Machine Learning》 的论文,总结了有利于机器学习研究者和从业者的 12 个宝贵经验。最早发表于 Communications of the ACM,2012 年 10 月期,至今引用数接近 3500 次。
这 12 个宝贵经验是:
- 学习=表征+评估+优化
- 泛化能力很关键
- 仅有数据是不够的
- 过拟合具有多面性
- 高维度会挫伤直觉
- 理论保证与实际的出入
- 特征工程是关键
- 数据量为王
- 不单单学习一个模型
- 简单不意味着准确
- 可表征并不意味着可学习
- 相关性并不意味着因果关系
二、
相关文章
- 《机器学习实战》---NumPy
- (《机器学习》完整版系列)第7章 贝叶斯分类器——7.5 特殊的半朴素贝叶斯分类器(SPODE、TAN、AODE,研究特殊的“父子”关系)
- [好课推荐]机器学习白板推导系列
- [吴恩达机器学习笔记]15.1-3非监督学习异常检测算法/高斯回回归模型
- 人工智能、深度学习、机器学习常见面试题221~240
- 人工智能、深度学习、机器学习常见面试题83~100
- 机器学习面试题——线性回归LR与逻辑回归LR
- Elasticsearch 用机器学习实现时序数据的异常检测(下)
- 机器学习笔记之集成学习(四)Gradient Boosting
- 机器学习笔记之狄利克雷过程(五)——基于狄利克雷过程的预测任务
- 机器学习笔记之受限玻尔兹曼机(六)对数似然梯度求解
- 机器学习笔记之高斯网络(一)基本介绍
- 机器学习笔记之指数族分布——指数族分布介绍
- 17张思维导图,一网打尽机器学习统计基础(附下载)
- 机器学习资源大全
- 谷歌机器学习规则要点简析:43条黄金法则
- 《NLTK基础教程——用NLTK和Python库构建机器学习应用》——2.2 文本清理
- 亚马逊开放机器学习系统源代码:挑战谷歌TensorFlow
- 白话理解注意力(Attention)在机器学习的应用影响
- Python 机器学习之分析和预测自杀倾向的人员(教程含源码)
- 为数据科学和机器学习选择合适的笔记本电脑,完成数据科学和机器学习任务的完美笔记本电脑的 20 个必要条件
- 机器学习面试问题大概梳理(转)
- python进行机器学习(三)之模型选择与构建
- 【机器学习】:Xgboost/LightGBM使用与调参技巧
- NSA研究主管:机器学习固然很美,但也能成为黑客的保护色
- 【机器学习实战】——常见函数积累
- 机器学习——深度学习之数据库和自编码器
- 【机器学习】SVM理论与python实践系列
- 机器学习的拦路虎