Зараз я намагаюся самостійно реалізувати деякі алгоритми машинного навчання. Багато хто з них має противною властивістю бути важкою налагодження, деякі помилки не спричиняють збоїв у програмі, а працюють не за призначенням і здаються, що алгоритми дають слабкі результати.
Мені б хотілося певним чином збільшити мою впевненість у впровадженні, наприклад, якби у мене були невеликі набори даних, з додатковою інформацією "Алгоритми X працювали на ітераціях Y та мали результати Z на цьому наборі даних", це було б дуже корисно. Хтось чув про такі набори даних?
Які дослідження ви провели, досліджуючи це питання? Спочатку червоніє, можна подумати, що література, яку ви використовуєте для пошуку цих алгоритмів, буде заповнена зразками наборів даних.
—
whuber
Ну, я знаю ML здебільшого з курсу університету, Coursea, лекційних відео в Інтернеті та декількох робіт, які я прочитав на певні теми. Я знаю, що скрізь є безліч зразків наборів даних, але я шукаю деякі з інформацією про те, як різні алгоритми ML виконувались на них, щоб я міг перевірити власні реалізації.
—
sjm.majewski
Нещодавно в ICML з'явився хороший документ про проблему зі стандартизованими наборами даних - що це заважає думати надто важко про проблеми з реальним світом та безладдя, пов'язане з проблемами реального світу. Особисто, коли я почав використовувати дані в реальному світі, моя майстерність як практикуючого зацвіла. Тож, хоча я не заважаю вам використовувати такі речі, як UCI, як трамплін або тестування, слідкуйте за призом!
—
Патрік Калдон
Ви повинні вказати, яким типом машинного навчання займаєтесь. Набори даних двійкових класифікацій відрізняються від наборів даних наближення функції (регресії).
—
Дуглас Заре