Redian新闻
>
最近觉得分类算法很多时候还是不靠谱啊
avatar
最近觉得分类算法很多时候还是不靠谱啊# DataSciences - 数据科学
g*o
1
其实人眼一眼就看出是一团了(如果人眼看得到的话)
但是算法还要训练之后检验, 才知道不靠谱分不开.
avatar
l*n
2
人眼是qualitative的分析,而且只能看低维度的数据,不能scale,不能提供细节。如
果你的检验就是眼睛看,那只能说你得检验方法不靠谱。

【在 g*****o 的大作中提到】
: 其实人眼一眼就看出是一团了(如果人眼看得到的话)
: 但是算法还要训练之后检验, 才知道不靠谱分不开.

avatar
g*o
3
我的意思是说经常有分类效果不好的情况啊,不说kmeans,svm也会有训练出来的参数
不能很好对检验集分类的情况。

【在 l******n 的大作中提到】
: 人眼是qualitative的分析,而且只能看低维度的数据,不能scale,不能提供细节。如
: 果你的检验就是眼睛看,那只能说你得检验方法不靠谱。

avatar
m*e
4
你说是两样东西聚类(clustering),分类是classification
很多时候ML难的是找合适的feature, svm input 的feature, k means的distance
function才是影响结果的原因

【在 g*****o 的大作中提到】
: 我的意思是说经常有分类效果不好的情况啊,不说kmeans,svm也会有训练出来的参数
: 不能很好对检验集分类的情况。

avatar
g*o
5
如果数据本身就是个均匀分布,那再怎么调参也没戏啊

【在 m******e 的大作中提到】
: 你说是两样东西聚类(clustering),分类是classification
: 很多时候ML难的是找合适的feature, svm input 的feature, k means的distance
: function才是影响结果的原因

avatar
T*u
6
我我们做谱分析的,上学的时候老师有句话,如果你自己看觉着谱不行,就不要相信算
法的结果。
avatar
g*o
7
re,
是光谱实验么? 刚好也是最近有个朋友给光谱图做svm分类, 结果很差, 我就说可能本
来就分不出来..

【在 T*****u 的大作中提到】
: 我我们做谱分析的,上学的时候老师有句话,如果你自己看觉着谱不行,就不要相信算
: 法的结果。

avatar
z*3
8
求靠谱分类算法
avatar
m*e
9
Feature 是你的model, 和调参数是两码事

【在 g*****o 的大作中提到】
: 如果数据本身就是个均匀分布,那再怎么调参也没戏啊
avatar
g*o
10
你老和我在这里抠字眼→_→

【在 m******e 的大作中提到】
: Feature 是你的model, 和调参数是两码事
avatar
m*e
11
不是扣字眼,基本概念要搞清楚才能正确使用算法,出了问题也知道往哪个方向解决

【在 g*****o 的大作中提到】
: 你老和我在这里抠字眼→_→
avatar
f*2
12
分类效果好,基本靠以下。
【1】运气:数据本身就好分,用啥傻大三粗的都能分好。
【2】运气:数据经过变换后,用啥傻大三粗的都能分好。
avatar
c*t
13
赞。能看出算法不靠谱已经是走在正确的道儿上

【在 g*****o 的大作中提到】
: 其实人眼一眼就看出是一团了(如果人眼看得到的话)
: 但是算法还要训练之后检验, 才知道不靠谱分不开.

avatar
T*u
14
这是必须的。还有个margin的问题。

【在 f*********2 的大作中提到】
: 分类效果好,基本靠以下。
: 【1】运气:数据本身就好分,用啥傻大三粗的都能分好。
: 【2】运气:数据经过变换后,用啥傻大三粗的都能分好。

相关阅读
logo
联系我们隐私协议©2024 redian.news
Redian新闻
Redian.news刊载任何文章,不代表同意其说法或描述,仅为提供更多信息,也不构成任何建议。文章信息的合法性及真实性由其作者负责,与Redian.news及其运营公司无关。欢迎投稿,如发现稿件侵权,或作者不愿在本网发表文章,请版权拥有者通知本网处理。