В настоящее время я пытаюсь реализовать некоторые алгоритмы машинного обучения самостоятельно. Многие из них обладают неприятным свойством трудной отладки, некоторые ошибки не приводят к сбою программы, а скорее работают не так, как задумано, и кажется, что алгоритмы просто дают более слабые результаты.
Я бы хотел повысить уверенность в реализации, например, если бы у меня было несколько небольших наборов данных с дополнительной информацией «Алгоритмы X работали для Y итераций и имели результаты Z для этого набора данных», что было бы очень полезно. Кто-нибудь слышал о таких наборах данных?
Какие исследования вы провели, исследуя этот вопрос? На первый взгляд, можно подумать, что литература, которую вы используете для поиска этих алгоритмов, будет переполнена примерами наборов данных.
—
whuber
Ну, я знаю ML в основном из университетского курса, Coursea, видео лекций в Интернете и нескольких статей, которые я читал на конкретные темы. Я знаю, что есть множество образцов наборов данных повсюду, но я ищу некоторые с информацией о том, как различные алгоритмы ML выполняются на них, чтобы я мог проверить свои собственные реализации.
—
sjm.majewski
Недавно в ICML была хорошая статья о проблеме со стандартизированными наборами данных - она не дает вам слишком усердно думать о проблемах реального мира и беспорядке, который связаны с проблемами реального мира. Лично, когда я начал использовать данные из реального мира, мое мастерство как практикующего расцвело. Поэтому, хотя я не отговариваю вас от использования таких вещей, как UCI, в качестве трамплина или тестирования, следите за призом!
—
Патрик Калдон
Вы должны указать, какой тип машинного обучения вы делаете. Наборы данных двоичной классификации отличаются от наборов данных функции приближения (регрессии).
—
Дуглас Заре