Machine learning 如何测试机器学习或统计NLP算法实现包？

我正在测试几种机器学习算法的实现，检查它们是否能够像论文中描述的那样高效工作，并确保它们能够为我们的统计NLP（自然语言处理）平台提供强大的功能

你们能告诉我一些测试算法实现的方法吗？ 1） 什么方面？ 2） 怎么做？ 3） 我必须遵循一些基本步骤吗？ 4）当使用不同的编程语言时，我必须考虑分集特定的情况吗？ 5） 我必须理解算法吗？我的意思是，如果我真的知道算法是什么以及它是如何工作的，它能提供任何帮助吗

基本上，我们使用C或C++实现算法，工作的Env是Linux／UNIX。我们的测试方法只关注黑盒测试和测试函数的输入/输出。我渴望改进它们，但我现在没有更好的主意

---

太棒了！！LOL

对于许多机器学习和统计分类任务，度量质量的标准度量是。大多数已发布的算法都会对这些度量做出某种声明，或者您可以自己实现它们并运行这些测试。这将为您所期望的质量提供一个良好的指示性度量

当你谈论一个算法的效率时，这通常是关于一个算法的时间或空间性能的一些陈述，根据其输入的大小或复杂度（通常表示为）。大多数已发布的算法都会报告算法的时间和空间特性的上限。您可以将其用作比较指标，尽管您需要了解一点计算复杂性，以确保您没有欺骗自己。您也可以通过手动检查程序代码来获取这些信息，但这可能不是必需的，因为这些信息几乎总是与算法一起发布的

最后，了解算法始终是一个好主意。它使您更容易知道作为该算法的用户，您需要做什么以确保获得最佳的结果（事实上，还可以知道您得到的结果是否合理），并且它将允许您应用质量度量，如我在本答案第一段中建议的那些度量