機器學習經驗整理

1、開發集與測試集服從同一分佈 開發集效果好，測試集效果不好，證明算法在開發集上過擬合。 2、開發集與測試集分佈不同 開發集上過擬合；測試集上的數據分佈不同，測試集表現的性質更難預測 3、確定數據集，建議開發集與測試集數據分佈一致 4、開發集的數據樣本數量能大到區分不同算法性能的提高，一般數據樣本數量大於10000；互聯網公司開發集數量比較大，因爲涉及到指標微小提高影響利潤和績效；開發集不是越大越

>>阅读原文<<