VIP20
本课程属于：019-TinyML数据集采集、标注与评估 嵌入式边缘AI与TinyML · 共 20 门相关课程，组合学习更完整。
查看所属VIP全部课程 →
← 返回所属目录 咨询 / 购买

8. TinyML训练验证划分：设备、场景与用户维度防泄漏

共计 30 章节
点击此处阅读海量试读课程：100+行业、1000+细分领域
01
课程导入
理解TinyML中数据划分的重要性 · 掌握设备 · 场景
课程导入TinyML
02
基础知识
回顾机器学习中训练集 · 验证集 · 测试集的标准划分方法
基础知识回顾机器学习
03
数据泄漏的本质
定义数据泄漏 · 分析在TinyML场景下因设备 · 场景
数据泄漏的本质定义数据泄漏
04
设备维度泄漏
解释同一设备的多条样本高度相关 · 若随机划分会导致模型记住设备特性而非… · 并给出典型示例
设备维度泄漏解释同一设备的多…
05
场景维度泄漏
说明不同采集场景（如光照 · 位置 · 环境噪声）对数据分布的影响
场景维度泄漏说明不同采集场景
06
用户维度泄漏
阐述用户个体差异（生理 · 行为习惯）造成的分布偏移 · 以及同一用户数据跨划分导致的身份识别…
用户维度泄漏阐述用户个体差异
07
防泄漏划分原则
总结三大原则——按设备分组 · 按场景分组 · 按用户分组
防泄漏划分原则总结三大原则
08
分组划分方法
学习基于GroupShuffleSp… · GroupKFold等分组交叉验证方… · 掌握如何在sklearn中实现按组划…
分组划分方法GroupShuffle…
09
时间序列与顺序划分
针对传感器时序数据 · 理解时间顺序划分的必要性 · 以及如何避免未来信息泄漏到过去
时间序列顺序划分
10
多维度联合划分
当设备 · 场景 · 用户同时存在时
多维度联合划分当设备
11
划分比例与数据量考量
讨论在TinyML小数据场景下 · 如何平衡训练/验证/测试比例 · 避免验证集过小导致评估不稳定
划分比例数据量考量
12
数据增强与划分的交互
分析数据增强（如加噪 · 旋转）是否会造成泄漏 · 以及增强数据应放在哪个划分中
数据增强划分的交互
13
实战案例1
基于加速度计的人体活动识别——按用户… · 观察泄漏导致的虚高
实战案例1基于加速度计的人…
14
实战案例2
关键词唤醒（KWS）——按设备划分 · 评估模型对未见麦克风设备的鲁棒性 · 并绘制混淆矩阵
实战案例2KWS
15
实战案例3
环境感知（温度/湿度）——按场景划分 · 模拟不同房间部署时的泛化能力测试
实战案例3环境感知
16
实战案例4
多用户手势识别——按用户划分 · 并对比留一用户交叉验证与随机划分的F…
实战案例4多用户手势识别
17
评估指标选择
在防泄漏划分下 · 如何正确选择准确率 · F1
评估指标选择防泄漏划分下
18
模型选择与超参数调优
在分组验证框架下进行网格搜索或随机搜… · 避免超参数调优过程中的泄漏
模型选择超参数调优
19
联邦学习与本地划分
介绍联邦学习中数据天然按设备/用户隔… · 如何设计本地验证集以模拟真实部署
联邦学习本地划分
20
边缘部署验证策略
讨论模型在真实设备上部署前的离线验证… · 以及如何利用防泄漏划分预测上线性能
边缘部署验证策略讨论模型
21
常见错误与陷阱
总结初学者常犯的泄漏错误 · 如忘记分组 · 使用全局归一化
常见错误陷阱
22
泄漏检测方法
学习如何通过训练/验证性能差距 · 特征重要性分析 · t-SNE可视化等手段识别潜在泄漏
泄漏检测方法学习如何通过训练
23
工具与库实践
掌握scikit-learn的Gro… · LeaveOneGroupOut · 以及TensorFlow中自定义划分…
工具库实践
24
数据管理最佳实践
建立元数据记录（设备ID · 场景标签 · 用户ID）
数据管理最佳实践ID
25
小样本与极端不平衡
在TinyML数据量极少时 · 如何采用嵌套交叉验证或重复分组验证来…
小样本极端不平衡
26
跨域泛化与域适应
当目标域设备/场景/用户未知时 · 结合防泄漏划分与域适应技术提升模型迁…
跨域泛化域适应
27
综合实战项目
设计一个完整的TinyML分类任务（… · 从数据采集 · 元数据标注
综合实战项目TinyML
28
课程总结
回顾三大维度防泄漏的核心要点 · 梳理从划分到评估的完整方法论 · 强调对实际部署的指导意义
课程总结回顾三大维度防泄…
29
进阶挑战
探讨多设备 · 多场景 · 多用户混合数据下的最优划分策略
进阶挑战探讨多设备
30
结课测试与讨论
通过10道选择题和2道案例分析题 · 检验学员对防泄漏划分的理解 · 并引导讨论实际项目中的划分决策
结课测试讨论