機器學習的所有資源鏈接和經驗教訓（十四）調試ML模型

調試ML模型

• 當您的ML模型的準確性不夠好時，您應該怎麼做？
• 如果您的列車精度很高但驗證準確性很差，這可能意味着您的模型過度匹配訓練數據。
  • 降低模型複雜性
  • 收集更多數據
    • 數據增強有助於（至少對於圖像數據）
    • 老實說，只需在ML模型的這個組件中投入更多的時間/金錢幾乎總是值得的。
  • 正則
• 如果你的訓練準確性不夠好，你可能會受到不合適的影響。
  • 增加模型複雜性
    • 每層中有更多層或更多單元
  • 不要嘗試添加更多數據。您的模型顯然無法對當前數據集中的示例進行分類，因此添加更多數據將無濟於事。
• 您可能遇到的任何其他問題。
  • 檢查訓練數據的質量，確保正確加載所有內容
  • 調整超參數
    • 我知道這很乏味，需要花費大量的時間，但它有時候值得。
    • 網格搜索可能是最好的方法，但請記住，它的計算成本非常高。
    • 我聽說隨機搜索也有驚人的效果，但我自己沒試過。
  • 使用非常簡單的模型和僅幾個訓練點重新啓動，並確保您的模型能夠學習該數據。一旦獲得100％的準確度，就會開始增加模型的複雜性，以及加載越來越多的整個數據集。