Şu anda bazı Makine Öğrenimi algoritmalarını kendi başıma uygulamaya çalışıyorum. Birçoğu hata ayıklamak zor olma özelliğine sahiptir, bazı hatalar programın çökmesine neden olmaz, aksine amaçlandığı gibi çalışmaz ve algoritmalar daha zayıf sonuçlar verir gibi görünür.
Uygulamaya olan güvenimi artırmanın bir yolunu istiyorum, örneğin bazı küçük veri setlerim varsa, "Algoritmalar X, Y yinelemeleri için çalıştı ve bu veri setinde Z sonuçları vardı", bu gerçekten yararlı olurdu. Bu tür veri kümelerini duyan var mı?
Bu soruyu araştırırken hangi araştırmaları yaptınız? İlk bakışta, bu algoritmaları bulmak için kullandığınız literatürün örnek veri kümeleriyle dolu olacağı düşünülebilir.
—
whuber
ML'yi çoğunlukla Üniversite dersinden, Coursea'dan, internetteki ders videolarından ve belirli konularda okuduğum birkaç makaleden biliyorum. Her yerde çok sayıda örnek veri seti olduğunu biliyorum, ancak bazı farklı ML algoritmalarının üzerlerinde nasıl performans gösterdiği hakkında bazı bilgiler arıyorum, böylece kendi uygulamalarımı doğrulayabilirim.
—
sjm.majewski
ICML'de son zamanlarda standart veri kümeleriyle ilgili sorun hakkında iyi bir makale vardı - bu, gerçek dünya sorunları ve gerçek dünya sorunlarının içerdiği karışıklık hakkında çok fazla düşünmenizi engelliyor. Şahsen gerçek dünya verilerini kullanmaya başladığımda bir uygulayıcı olarak yeteneğim gelişti. Bu yüzden sizi UCI gibi şeyleri bir atlama taşı veya test olarak kullanmaktan vazgeçmezsem de, ödülü göz önünde bulundurun!
—
Patrick Caldon
Ne tür bir makine öğrenimi yaptığınızı belirtmelisiniz. İkili sınıflandırma veri setleri, fonksiyon yaklaşımı (regresyon) veri setlerinden farklıdır.
—
Douglas Zare