学习笔记-机器学习系统设计

注：该博文为Coursera平台的machine learning 课程学习笔记。

如何构建一个垃圾邮件分类器

要构建一个机器学习模型，首先要确定模型的输入变量即特征变量。
邮件都是由一个个单词组成，而垃圾邮件里往往都包含一些共同的关键词，如buy, discount等。因此可以选择日常生活经常会用到的n个（1万到5万）单词，判断这些单词是否在邮件里出现。出现则用1表示，未出现则用0表示。这样就简单构建了模型的输入变量，模型的输出结果为：垃圾邮件（1），非垃圾邮件（0）。

那怎样去提高这个模型的预测性能呢？
- 收集更多训练样本；（但这不总是会有效）
- 设计更精致(sophisticated )的特征变量；
- 增加识别错拼的能力；
事实上很难说以上哪种策略会最有效果，进一步的策略是分析错误产生的原因。

解决一个机器学习问题的推荐步骤如下：
-从最简单的模型开始，快速部署并在验证集上完成测试；
-作学习曲线图，判断是需要更多的样本量，或者增加新的特征变量；
-错误分析，逐个