آموزش اشتباهاتی که باید در یادگیری ماشینی اجتناب کنید

مقدمه Introduction

• پرهیز از اشتباهات یادگیری ماشین Avoiding machine learning mistakes

• با استفاده از پرونده های تمرینی Using the exercise files

1. اشتباهات برای جلوگیری از 1. Mistakes to Avoid

• با فرض اینکه داده ها خوب است Assuming data is good to go

• بی توجهی به مشاوره با کارشناسان موضوع Neglecting to consult subject matter experts

• بیش از حد مناسب مدل های خود Overfitting your models

• داده های شما استاندارد نیست Not standardizing your data

• تمرکز روی عوامل اشتباه است Focusing on the wrong factors

• نشت داده Data leakage

• فراموش کردن ابزارهای سنتی آمار Forgetting traditional statistics tools

• با فرض اعزام یک نسیم است Assuming deployment is a breeze

• با فرض یادگیری ماشین جواب می دهد Assuming machine learning is the answer

• در حال توسعه در یک سیلو Developing in a silo

• برای نمونه برداری نامتعادل درمان نمی شود Not treating for imbalanced sampling

• بدون درمان صحیح چند خطی بودن ، ضرایب خود را تفسیر کنید Interpreting your coefficients without properly treating for multicollinearity

• ارزیابی فقط با دقت Evaluating by accuracy alone

• ارائه بیش از حد ارائه فنی Giving overly technical presentations

نتیجه Conclusion

• مهارت های یادگیری ماشین خود را به سطح بعدی برسانید Take your machine learning skills to the next level