Actualmente estoy tratando de implementar algunos algoritmos de Machine Learning por mi cuenta. Muchos de ellos tienen la desagradable propiedad de ser difíciles de depurar, algunos errores no hacen que el programa se bloquee, sino que funcionan de la manera no deseada y los algoritmos solo dan resultados más débiles.
Me gustaría tener alguna forma de aumentar mi confianza en la implementación, por ejemplo, si tuviera algunos conjuntos de datos pequeños, con información adicional "Algoritmos X funcionó para las iteraciones Y y obtuve resultados Z en este conjunto de datos", eso sería realmente útil. ¿Alguien ha oído hablar de tales conjuntos de datos?
¿Qué investigación has hecho al investigar esta pregunta? A primera vista, uno pensaría que la literatura que está utilizando para encontrar estos algoritmos estaría repleta de conjuntos de datos de muestra.
—
whuber
Bueno, conozco ML principalmente del curso universitario, Coursea, videos de conferencias en Internet y algunos documentos que he leído sobre temas específicos. Sé que hay muchos conjuntos de datos de muestra en todas partes, pero estoy buscando algunos con información sobre cómo los diferentes algoritmos de ML se desempeñaron en ellos, para poder validar mis propias implementaciones.
—
sjm.majewski
Recientemente hubo un buen documento en ICML sobre el problema con los conjuntos de datos estandarizados: que le impide pensar demasiado sobre los problemas del mundo real y el desorden que implican los problemas del mundo real. Personalmente, cuando comencé a usar datos del mundo real, mi habilidad como practicante floreció. Así que, aunque no te desanimaría de usar cosas como UCI como trampolín o prueba, ¡no pierdas de vista el premio!
—
Patrick Caldon el
Debe especificar qué tipo de aprendizaje automático está haciendo. Los conjuntos de datos de clasificación binaria son diferentes de los conjuntos de datos de aproximación de funciones (regresión).
—
Douglas Zare