日志:机器学习方法

Question

过去，为了解决一个问题，尝试不同的机器学习算法时，我常常在笔记本上写一套方法，包括特征、特征预处理、归一化、算法、算法参数等细节。因此，建立一个手写的日志。

然而，目前我关心的是使用“更专业”的工具，这样我就可以保留更多的细节，甚至与其他团队成员分享，他们也可以在他们的方法上签名。

这将是一个伟大的自动化和协作工具，跟踪完成的工作，考虑细节，如:特性，算法，算法参数，数据预处理，数据，度量.例如，除了协作的Google电子表格之外。

你怎么解决这个问题的？你是如何跟踪完成的工作的？你的日志工具是什么？

先谢谢你。

Answer 1

你怎么解决这个问题的？你是如何跟踪完成的工作的？你的日志工具是什么？

这可能不是最好的办法。但是我的团队就是这样做的。我们认为，为了完成端到端的数据科学实验，正确的良心是非常重要的。因此，我们使用松懈进行同样的讨论和会议。

此外，我们有Rmd (R标记)文件，用于记录计划和分析部分。

Answer 2

看看这，看起来就像你所需要的

Answer 3

你怎么解决这个问题的？你是如何跟踪完成的工作的？你的日志工具是什么？

对于我的单身汉论文 (write-math.com)，我编写了自己的小工具箱，以非常快地完成不同的模型/预处理步骤。每个实验都有一个配置文件(参见实验储存库)。例如：

data-source: feature-files/baseline-3-points
training: '{{nntoolkit}} train --epochs 1000 --learning-rate 0.1 --momentum 0.1 --print-errors --hook=''!detl
    test {{testing}},err=testresult_%e.txt'' {{training}} {{validation}}
    {{testing}} < {{src_model}} > {{target_model}} 2>> {{target_model}}.log'
model:
    type: mlp
    topology: 24:500:369

对经过训练的模型进行存储，得到评价结果(例如准确性、混淆矩阵)是相当快的。