Skip to Main Content
机器学习设计模式
book

机器学习设计模式

by Valliappa Lakshmanan, Sara Robinson, Michael Munn
September 2022
Beginner to intermediate content levelBeginner to intermediate
386 pages
7h 36m
Chinese
Southeast University Press
Content preview from 机器学习设计模式
82
3
式着眼于如何处理专家意见相左的情况。再平衡(
Rebalancing
)设计模式推荐处理高
度偏斜或不平衡数据的方法。
设计模式
5
:重构
重构设计模式是指改变一个机器学习问题的输出的表示形式。例如,我们可以将一
个直观上看起来是回归的问题作为分类问题来处理(反之亦然)。
问题
构建任何机器学习解决方案的第一步是框定其所涉及的问题。这是一个监督学习问
题吗?还是无监督的?特征是什么?如果是有监督问题,那么它的标签是什么?多
大的误差是可以接受的?当然,这些问题的答案必须结合训练数据、手头的任务以
及成功的标准等实际情况来考虑。
例如,假设我们想构建一个机器学习模型来预测给定地点未来的降雨量。从广义上
讲,这是回归任务还是分类任务?好吧,因为我们试图预测降雨量(例如
0.3
厘米),
将其视为一个时间序列预测问题是有意义的:给定当前和历史的气候以及天气模式,
我们可以估计未来
15
分钟内给定地区的降雨量是多少?此外,因为标签(降雨量)
为一个实数,我们可以构建一个回归模型。当开始开发和训练模型时,我们发现(也
许这并不令人惊讶)天气预报比想象中的难。我们预测的降雨量都是错的,对于同
一组特征,有时降雨
0.3
厘米,有时降雨
0.5
厘米。应该做些什么来改进我们的预测呢?
再给我们的网络添加更多的层?或者引入更多的特征?也许使用更多的数据会有所
帮助?也许需要一个不同的损失函数?
任何这些调整都可能改进我们的模型。但是等一下!回归是我们完成这个任务的唯
一途径吗?也许我们可以通过重构机器学习的目标函数来提高任务性能。
Become an O’Reilly member and get unlimited access to this title plus top books and audiobooks from O’Reilly and nearly 200 top publishers, thousands of courses curated by job role, 150+ live events each month,
and much more.
Start your free trial

You might also like

PyTorch深度学习

PyTorch深度学习

Posts & Telecom Press, Vishnu Subramanian
数据科学原理

数据科学原理

Posts & Telecom Press, Sinan Ozdemir
Rust程序设计

Rust程序设计

Jim Blandy, Jason Orendorff, Leonora F. S. Tindall

Publisher Resources

ISBN: 9787564196776