2019年7月19日
摘要：
1.人工检验train和dev/test之间的区别； 比如：汽车语音识别中的噪音、地名难以识别等等 2.使得你的训练集更靠近(相似于)dev/test，收集更多类似于dev的数据； 比如：dev中存在很多噪音，可以模拟噪音数据；或者地名难以识别，可以收集更多地名的语音数据。 注意：目前没有系统化解决 阅读全文
摘要：
在11.2中，我们提到了一种数据划分的方法，那么怎么衡量这种数据划分方法中的误差呢？ 来看一个例子：有20w条各种领域的语音识别数据，2w条汽车语音定位数据 train+dev+test，其中train是20w原始数据+1w汽车数据，dev和test各自都是5k条汽车数据 显然地，train和dev 阅读全文
摘要：
快速搭建系统并进行迭代 1.建立dev/test set，并确定你的目标 2.快速建立初始化的系统 3.使用前面提到的bias/variance分析和错误分析来进行模型优化和迭代 针对以上的过程，Andrew Ng建议在搭建第一个系统的时候遵循quick and dirty的思路 不要过度复杂化初始 阅读全文
摘要：
举个例子 还是分类猫图片的例子 假设在dev上测试的时候，有100张图片被误分类了。现在要做的就是手动检查所有被误分类的图片，然后看一下这些图片都是因为什么原因被误分类了。 比如有些可能因为被误分类为狗或者其他的原因，然后列一张表格 通过这种人工检查误分类的方式，就可以得到误分类数据被误分类原因的占 阅读全文