Facebook抢占商标

如何应对算法效果不佳

我们花了很多时间来开发机器学习算法。但是在部署后，如果该算法性能不佳，那将令人沮丧。问题是，如果算法无法按预期工作，下一步应该怎么做。什么地方出了错?训练数据的数量是否足够?我们使用了正确的功能吗?我们是否应该继续收集更多数据?我们可以，但是那是非常耗时且昂贵的。我们应该添加更多功能吗?那也可能很昂贵。

往哪个方向走?

如果您的机器学习算法无法正常工作，下一步该怎么做?有几种选择：

• 获取更多的训练数据非常耗时。甚至可能需要数月的时间才能获得更多的研究数据。
• 获得更多的训练特征。也可能需要很多时间。但是，如果添加一些多项式特征可以工作，那就太酷了。
• 选择较小的一组训练特征。
• 增加正则项
• 减少正则项。

那么，接下来您应该尝试哪一个呢?开始尝试任何操作都不是一个好主意。因为您可能最终会花太多时间在无用的事情上。您需要先发现问题，然后采取相应措施。学习曲线有助于轻松检测问题，从而节省大量时间。

学习曲线对于确定如何提高算法性能非常有用。确定算法是否遭受偏差或拟合不足，方差或拟合过度，或两者兼而有之，这很有用。
 

多类分类逻辑回归

普通的逻辑回归只能针对二分类问题，要想实现多个类别的分类，我们必须要改进逻辑回归，让其适应多分类问题。

关于这种改进，有两种方式可以做到。

第一种方式是直接根据每个类别，都建立一个二分类器，带有这个类别的样本标记为1，带有其他类别的样本标记为0。假如我们有k个类别，最后我们就得到了k个针对不同标记的普通的逻辑二分类器。

第二种方式是修改逻辑回归的损失函数，让其适应多分类问题。这个损失函数不再笼统地只考虑二分类非1就0的损失，而是具体考虑每个样本标记的损失。这种方法叫做softmax回归，即逻辑回归的多分类版本。
 

就拿现在身处的三线城市，如果在C语言掌握到一定程度薪资拿到7,8K也不是一件很难的事情，如果放在一线城市薪资放大几倍也是极其有可能的，如果在掌握了C语言之后再去学习别的编程语言，相对来讲会轻松很多，因为相对来讲C语言属于底层的编程语言，了解了C语言再去学习别的编程语言能够更加深刻的了解编程语言的内部实现，因为很多编程语言内部实现就是C语言来完成，还会有人觉得C语言已经过时了，更多是行外人在评述，但有一点还是要认知清楚，C语言在编程主流中已经慢慢变得力不从心了，毕竟属于底层的编程语言在讲求短平快的今天已经有些脱节，但是在某些领域还是最佳的存在，所以对于程序员本身来讲学习了C语言如果不喜欢或者觉得工作机会上，可以再去切换到别的编程语言，缓冲期不会有太长的时间，整体来讲还是要保持一种平常心，不要好高骛远。

C语言应用领域

嵌入式领域。嵌入式产业真正热点在十年前，现在经过十几年的发展风头已经没有那么强劲了，但嵌入式在现实生活中无处不在，像手机，电视机，机顶盒等等都属于嵌入式领域的范畴，特别是安卓系统在全球的普及，更是把应用层面的开发难度降低了许多，要知道安卓在出现之前在嵌入式领域应用的开发几乎一家一套模式，拥有大量的嵌入式应用底层开发岗位，现在相当于把安卓应用的开发统一到底层领域了，这也符合软件发展一种趋势，向着集成化方向在发展。

（编辑：南通站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!