Chọn lọc dữ liệu — bớt việc trước khi việc bắt đầu
Machine Learning Systems — Tập I, Chương 9
← tất cả bài họcDanh sách cảnh (14 mục, 96 cảnh)
Mục 1Mục đích0:00
Mục 2Nền tảng của chọn lọc dữ liệu0:57
Mục 3Cắt tỉa tĩnh12:18
Mục 4Chọn lọc động21:10
Mục 5Học tự giám sát28:49
Mục 6Sinh dữ liệu tổng hợp33:09
Mục 7Khung quyết định38:49
Mục 8Kỹ thuật chọn lọc42:08
Mục 9Mô hình chi phí48:42
Mục 10Chọn lọc phân tán53:29
Mục 11Tương tác xuyên tầng57:09
Mục 12Khung đo lường60:12
Mục 13Ngộ nhận và cạm bẫy64:41
Mục 14Tổng kết67:18
📓 Sổ tay thực hành
Chạy trên Colab bằng CPU, không cần cài thêm gì.
1. Giá trị của một mẫu: ICR, lợi ích giảm dần và nhãn nhiễu
Tính lại kịch bản 70 tỷ tham số và ICR của tập lõi 50 phần trăm, thêm phụ trội chọn lọc mà sách để ra ngoài, đo đường cong học tập trên FashionMNIST thành ICR biên và PPD, rồi cấy nhiễu nhãn để đo cần bao nhiêu mẫu nhiễu bằng một mẫu sạch và để một mô hình thay thế tìm lại nhãn sai.
Mục 1. Mục đích · 2. Nền tảng của chọn lọc dữ liệu · 3. Cắt tỉa tĩnh · 12. Khung đo lường · 13. Ngộ nhận và cạm bẫy
chạy dưới 1 phútMở trong Colab ↗2. Cắt tỉa tĩnh: chấm điểm từng mẫu, chọn tập lõi, loại bỏ trùng lặp
Chấm mọi ảnh FashionMNIST bằng EL2N, mất mát và số lần quên từ một mô hình thay thế, giữ 10 tới 70 phần trăm theo điểm số hay ngẫu nhiên rồi đo độ chính xác, độ phủ theo lớp và DCR, so k-Center với chọn ngẫu nhiên, đo bất đẳng thức chọn lọc trên máy, tính lại ví dụ 1.5 và hai cạm bẫy, rồi loại bỏ trùng lặp bằng SHA-256, băm cảm nhận và MinHash.
Mục 3. Cắt tỉa tĩnh · 8. Kỹ thuật chọn lọc · 10. Chọn lọc phân tán · 12. Khung đo lường · 13. Ngộ nhận và cạm bẫy
chạy dưới 1 phútMở trong Colab ↗3. Chọn lọc động: học theo lộ trình, học chủ động, học bán giám sát
Tính lại bảng 5 và hàm nhịp độ tuyến tính rồi đo bốn lộ trình so với xáo trộn ngẫu nhiên trên FashionMNIST, chạy vòng học chủ động trên MNIST với bốn chiến lược truy vấn, tính lại phép tính nhẩm của bệnh viện và cân cỡ lô với độ trễ gán nhãn, gán nhãn giả với 500 nhãn trên 50,000 ảnh khi kho có lẫn ảnh ngoài phân phối, lan truyền nhãn, và kiểm bảng 6 của FixMatch.
Mục 4. Chọn lọc động · 12. Khung đo lường · 13. Ngộ nhận và cạm bẫy
chạy dưới 1 phútMở trong Colab ↗4. Dữ liệu rẻ hơn, và cái giá thật của nó: tăng cường, lặp lại dữ liệu, ROI
Đo tăng cường đúng và sai bất biến trên MNIST, đo khoảng cách miền với một nguồn chữ số khác miền và các tỉ lệ pha trộn của bảng 9, tính lại phép tính nhẩm về lặp lại dữ liệu và đo một batch lặp có đáng một batch mới, mô phỏng bộ đệm xáo trộn, tính lại bảng 15, điểm hoà vốn và ROI khấu hao rồi quét giả định của chúng, tính điểm hoà vốn của mô hình nền tảng, và đo vì sao ít phép toán hơn chưa chắc nhanh hơn.
Mục 5. Học tự giám sát · 6. Sinh dữ liệu tổng hợp · 7. Khung quyết định · 8. Kỹ thuật chọn lọc · 9. Mô hình chi phí · 11. Tương tác xuyên tầng · 13. Ngộ nhận và cạm bẫy
chạy dưới 1 phútMở trong Colab ↗