真實世界中的機器學習系統：文學

在本課程中，你必須對與 18 世紀文學相關的實際機器學習問題進行偵錯*。

實際範例：18 世紀世紀文學

  • 18 世紀世紀文學的教授想根據作者的「心智交誼方」來預測作者的政治立場。
舊書籍
  • 18 世紀世紀文學的教授想根據作者的「心智交誼方」來預測作者的政治立場。
  • 研究人員團隊建立了大量作者資料集，並附有眾多作者&#39、作品、逐句語句，並分成火車/驗證/測試集。
舊書籍
  • 18 世紀世紀文學的教授想根據作者的「心智交誼方」來預測作者的政治立場。
  • 研究人員團隊建立了大量作者資料集，並附有眾多作者&#39、作品、逐句語句，並分成火車/驗證/測試集。
  • 訓練模型幾乎在測試資料上幾乎完美完成，但研究人員認為結果的執行結果相當可疑。問題可能出在哪裡？
舊書籍

您為何認為測試準確率很高？確認是否可以找出問題，然後按一下下方的 [播放] 按鈕 ▶ 確認是否正確無誤。

  • 資料分割 A：研究人員將部分作者的樣本集中在訓練集中，而其中部分模型屬於驗證集，另一組則位於測試集。
Richardson' 的所有範例可能都位於訓練集中，而 Swift' 的所有範例可能位於驗證集。
這張圖表顯示訓練集、驗證集和測試集的作者範例詳細資料。每幅作者的三個作者皆代表每個組合。
  • 資料分割 B：研究人員將每個作者的所有範例集中存放在一組集中。
這張圖表顯示訓練集、驗證集和測試集的作者範例詳細資料。訓練集僅含有 Swift 的範例，驗證集僅包含 Blake 的範例，測試集僅包含 Defoe 的範例。
  • 資料分割 A：研究人員將部分作者的樣本集中在訓練集中，而其中部分模型屬於驗證集，另一組則位於測試集。
  • 資料分割 B：研究人員將每個作者的所有範例集中存放在一組集中。
  • 結果：在資料分割 A 中訓練的模型準確率高於在資料 B 上訓練的模型。

道德：請審慎考慮您分隔範例的方式。

瞭解資料代表的意義。

* 這個模組以概略的結構 (在過程中做出一些修改) 為基礎，請參閱「指標含義與挖礦：對人類在資料採礦中隱含假設的影響」的說明。Sculley 和 Pasanek 的做法。

上一頁
癌症預測 (5 分鐘)
下一頁
指南 (2 分鐘)