赞
踩
1.对于题目:
1.1 题目加上使用的模型进行命名,一定要注意字眼和格式; 1.2 目录格式,简洁清爽,表现出使用的模型; 1.3 别人的东西,加上文献引用;(**) 1.4 对于评价指标:首先不可能是一个,不能只是均方根误差,需要一些复杂的指标; 1.5 指标的分类可以分为:满足指标和优化指标; 1.6 模型的选取和评价有讲究; 1.7 不能只罗列结果图,应该加上定性的分析; 1.8 边界值条件,会出现与实际结果相悖的一些数据,这时应该根据现实情况的影响系数, 如果指标非常重要,即使2%的误差率也要进行优化,如果指标不是很重要的参数,那 么允许小误差; 1.9 初始值条件需要考虑; 1.10 模型结果出来,是否要进行假设性检验。 1.11 对于使用别人的模型,要套上自己题目的步骤; 1.12 对于中间参数的使用a-b-c,其实可以建立(a,c)之间的关系,即使本来没有关系,可以通过b为桥梁;(多实例学习,多标签学习) 1.13 数据本身的契合。模型的契合程度,与我们题目的契合程度;适用性在哪里; 1.14 方法的合理性 1.15 精度偏低需要优化,线性关系完成,进一步挖掘数据之间的非线性关系; 1.16 对于样本数据不合理的情况处理,某一分类过少,某一分类过多。 1.17 细扣题目,题目会有隐藏的信息; 1.18 注意文章的层层递进和逻辑性。
2.对于摘要:
摘要部分要细扣:
第一段为背景介绍,
第二段为总体使用的模型,达到的效果。
针对问题一,
针对问题二 ,
综上所诉,…
(改天整理)
Copyright © 2003-2013 www.wpsshop.cn 版权所有,并保留所有权利。