导语 提升一个模型的表现有时很困难。如果你们曾经纠结于相似的问题，那我相信你们中很多人会同意我的看法。你会尝试所有曾学习过的策略和算法，但模型正确率并没有改善。你会觉得无助和困顿，这是 90% 的数据科学家开始放弃的时候。 不过，这才是考验真本领的时候!这也是普通的数据科学家跟大师级数据科学家 ...

1. 增加更多数据 持有更多的数据永远是个好主意。相比于去依赖假设和弱相关，更多的数据允许数据进行“自我表达”。数据越多，模型越好，正确率越高。 我明白，有时无法获得更多数据。比如，在数据科学竞赛中，训练集的数据量是无法增加的。但对于企业项目，我建议，如果可能的话，去索取更多数据。这会减少 ...

组合分类方法简介 基本思想：组合分类把k个学习得到的模型（或基分类器）M1，M2，···，Mk组合在一起，旨在创建一个改进的复合分类器模型M*。使用给定的数据集D创建k个训练集D1，D2，···，Dk，其中Di用于创建分类器Mi。现在给定一个待分类的新数据元组，每个基分类器通过返回类预测 ...

怎么让深度学习模型获得更好的效果？这个是一直有人问我的问题，或者可以这么问？ 我怎么提高正确率？或者为什么我的深度神经网络效果这么差？我经常这样回复“”我给不出确切的答案，但是我能给你一些建议“” 下面我将列一些我认为会对提升学习效果有效的一些建议。我将这些想法mark到下面，这些想法不仅仅对 ...

混淆矩阵是一种用于性能评估的方便工具，它是一个方阵，里面的列和行存放的是样本的实际类vs预测类的数量。 P =阳性，N =阴性：指的是预测结果。 T=真，F=假：表示 实际结果与预测结果是否一 ...

注：本文是人工智能研究网的学习笔记 准确率 accuracy_score：函数计算分类准确率，返回被正确分类的样本比例（default）或者是数量（normalize=False） 在多标签分类问题中，该函数返回子集的准确率，对于一个给定的多标签样本，如果预测得到的标签集合与该样本 ...

本文简单介绍模型训练时候，使用准确率求解过程，不涉及精确率和召回率计算， 本文给出简要计算方法与代码。 计算方法： 使用top1计算为例(以下以2个batch，3个num_classes举列)： 网络预测结果形式：pred=[b,num_classes] ，如pred ...

...