吴恩达深度学习第三课课后习题(第一周)
发布网友
发布时间：2024-10-04 23:08
共1个回答
热心网友
时间：2024-10-05 07:48
在优化过程中，应关注运行时间和内存限制的同时，追求最高的准确率，这是平衡满足度和优化目标的关键。
面对大数据，开发集和测试集各25万已足够，无需过度扩充。
重要的是保持开发集和测试集数据分布的一致性，添加不同分布的数据可能导致问题，答案AD。
由于缺乏可避免偏差的具体数值，我们无法直接判断，答案D。
理解Bayes error是提升模型性能的基础。
数据表明存在较大偏差，可通过调整模型复杂度或训练集大小减少偏差，答案AB是解决方案。
测试集误差大，可能源于开发集过拟合，增加开发集数据能改善，答案AB。
当模型表现超越人类时，衡量偏差变得困难，Bayes error应小于0.05%，答案AD适用。
高查准率低查全率的问题提示需要重新考虑评估指标，答案C是建议。
仅1000张新图片，应将其加入开发测试集，并调整评估策略，答案A最为有效。
其他建议包括：使用新图片时调整评估策略，以及保持交流的初衷，避免滥用，答案BCD。
