Deep Learning 的一些思考

一个很好的 slides

https://csinva.github.io/pres/189/#/1/5

# 数学基础

偏导数: https://www.zybuluo.com/irving512/note/929786

# 问自己的问题

* 不同的算法对数据输入有不同的假设。应该如何预处理数据呢?
* 如何对数据降维,使用什么降维方法呢?
* 如何拆分数据集
* 怎样知道是否出现了过拟合
* 应该是用什么类型的性能指标
* 不同的参数调整会如何影响模型的结果
* 模型组合可以达到更好的结果吗

# 关于模型的基本假设

基本假设是一个系统运行的基础,然而如果假设是错误的呢?what if the grand truth is not true?
 
比如假设A 和 A*是类似的,喜欢 A 的用户也会喜欢 A*,但是实际上用户只能在 A 和 A*之间选择一个呢,这时候向购买了 A 的顾客再推荐 A*就不合适了.
 
比如用户已经买了钻戒用来求婚, 那么再推荐钻戒就不好了. 但是如果用户买了啤酒, 那再推荐一些啤酒也很好啊, 因为啤酒很快就喝完了…
 
维基百科上讲算法的文章一般都写得不怎么样

About 逸飞

后端工程师

发表评论

电子邮件地址不会被公开。 必填项已用*标注