机器学习研究中的七大误区
机器学习
2019-02-25 v2 机器学习
摘要
我们提出了截至 2019 年 2 月机器学习研究中通常被认为正确的七大误区。这是位于 https://crazyoscarchang.github.io/2019/02/16/seven-myths-in-machine-learning-research/ 的博客文章的存档副本。误区 1：TensorFlow 是一个张量操作库。误区 2：图像数据集代表了真实世界中遇到的图像。误区 3：机器学习研究者不使用测试集进行验证。误区 4：每个数据点都被用于训练神经网络。误区 5：我们需要（批量）归一化来训练非常深的残差网络。误区 6：注意力 卷积。误区 7：显著图是解释神经网络的稳健方法。
关键词
引用
@article{arxiv.1902.06789,
title = {Seven Myths in Machine Learning Research},
author = {Oscar Chang and Hod Lipson},
journal= {arXiv preprint arXiv:1902.06789},
year = {2019}
}