机器学习中的baseline

机器学习中的 baseline 是「参照物」的意思,baseline 论文最好是最近几年的。

举几个例子

  • 如果你的论文的论点是「针对某系统作了改进,提升了性能」,那么 baseline 就应该是未改进的系统(相当于生物实验中的「对照组」),它与改进后的系统只有一处不同,这样才能下结论说你的改进就是提升性能的原因。如果你的论文的论点是「我提出的方法 A 比已有的方法 B 更好」,那么 baseline 就应该是方法 B,即使它跟方法 A 毫无关系。
  • 当你选定了一个 baseline 系统后,如果你能联系上作者,索取到他的代码,就可以直接用作者的实现作为 baseline;如果联系不上,就只能自己复现。
  • 你训练好一个分类网络,得到准确率,你想知道你的网络好坏,就需要一个baseline的网络去对比你训练好的网络。
  • 如果你是参加比赛,那么主办方通常会主动提供 baseline 系统。你可以在它的基础上做修改,也可以另起炉灶重新实现自己的系统。
  • 现实生活中,你说你跑的很快,那你得和别人对比是吧。

机器学习中的baseline_第1张图片

你可能感兴趣的:(机器学习,分类,深度学习,神经网络,人工智能)