l*n
2 楼
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.
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.
g*o
3 楼
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。
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。
m*e
4 楼
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。
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。
g*o
5 楼
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
【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
T*u
6 楼
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。
法的结果。
g*o
7 楼
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。
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。
z*3
8 楼
求靠谱分类算法
m*e
9 楼
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
【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
g*o
10 楼
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
【在 m******e 的大作中提到】
: Feature 是你的model, 和调参数是两码事
m*e
11 楼
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→_→
【在 g*****o 的大作中提到】
: 你老和我在这里抠字眼→_→
f*2
12 楼
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。
【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。
c*t
13 楼
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.
【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.
T*u
14 楼
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。
【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
数学phd可以再读一个cs的master，偏向data analytics?年底招人？有没有这样的软件？求个 spring 2015 的internship刚入行新人的两个问题问一个关于visualization的问题悬赏 DS USE CASE有人了解nielsen这个公司吗？ (转载)casact 封 meiguolaotu 在 DataSciences 版 (转载)generating percentile-percentage charts一个困扰我一段时间的问题：big data为什么要搞ml那些algorithm？求FB面试的一些经验Senior Data Scientist in NC最近想做音频数据分析, 但是不知道怎么入手啊..access自动化数据转移到hive上，大家看看这个过程可行不BIG DATA TOPICS请问哪里可以找一些免费的project练习？SF-based startup hiring a data scientist关于startup专利申请我想说一句暴一下前东家，避免有人入火坑