摘要: 這篇文章提供了可以採取的切實可行的步驟來識別和修復機器學習模型的訓練、泛化和優化問題。
眾所周知,調試機器學習代碼非常困難。即使對於簡單的前饋神經網絡也是這樣,你經常會在網絡體系結構做出一些決定,重初始化和網絡優化——所有這些會都導致在你的機器學習代碼中出現bug。
正如Chase Roberts在一篇關於「How to unit test machine learning code」的優秀文章中所寫的,他遇到的麻煩來自於常見的陷阱:
代碼不會崩潰,不會引發異常,甚至不會變慢。訓練網絡仍在運行,損失仍將下降。幾個小時後,數值收斂了,但結果很差。
......
詳見全文Full Text: 每日頭條
若喜歡本文,請關注我們的臉書 Please Like our Facebook Page: Big Data In Finance
留下你的回應
以訪客張貼回應