安德烈·卡帕西Andrej Karpathy · 分析視角AK-P02PRODUCT ADVISORY COUNCIL
先理解資料再選擇複雜方案
安德烈·卡帕西Andrej Karpathy · 分析視角AK-P02方法背面
先理解資料再選擇複雜方案
在建模之前檢查真實樣本、標籤、分布和異常，避免用模型複雜度掩蓋資料問題。
什麼時候用
- 資料驅動產品或模型效果不明
先問自己
- 最異常的樣本和最常見的錯誤標籤是什麼？
可以怎麼做
- 抽看不同類別和邊緣樣本，記錄重複、損壞及偏差
- 核對預處理後實際進入系統的資料
別忽略這些邊界
- 來源是神經網絡訓練實踐；遷移到產品研究是方法類比，不意味著資料越多必然越好。