机器学习

「模型在测试集上 92%，上线应该稳了吧？

AutoML 这两年被讲得很多，从 Google AutoML 到微软的 Azure AutoML，从开源的 AutoKeras 到 H2O A…

前些天帮朋友处理数据集时又想起这句话：机器学习80%的时间在洗数据，剩下20%在抱怨洗得还不够干净。

如果只能用一句话说AI零样本学习：先把失败复现出来。

AI 少样本学习我没按教科书顺序做。

AI鲁棒性：先看卡点

招聘筛选模型整体准确率 84%，按性别一拆差距立刻露出来。

如果只能用一句话说联邦学习：先把失败复现出来。

108 种组合 × 2 小时一轮，算力账单比 deadline 先到。GridSearch 换 Bayesian 的折腾记录。

那个风控项目的数据特点很典型：