机器学习策略

评价指标

查准率（precision）和查全率（recall）

翻译很贴近它要表达的意思
恩达举的例子
查准率的定义是在你的分类器标记为猫的例子中，有多少真的是猫。所以如果分类器A有95%的查准率，这意味着你的分类器说这图有猫的时候，有95%的机会真的是猫。

查全率就是，对于所有真猫的图片，你的分类器正确识别出了多少百分比。实际为猫的图片中，有多少被系统识别出来？如果分类器A查全率是90%，这意味着对于所有的图像，比如说你的开发集都是真的猫图，分类器A准确地分辨出了其中的90%。

当我们使用这两个指标不能很好判断一个模型的好坏，我们就要使用f值去判断，你可以把它看做这两个指标的一个均值，当然这不是严格意义上的均值。

训练/开发/测试集划分（Train/dev/test distributions）

training set：顾名思义，是用来训练模型的。因此它占了所有数据的绝大部分。
development set：用来对训练集训练出来的模型进行测试，通过测试结果来不断地优化模型。
test set：在训练结束后对训练出的模型进行一次最终的评估所用的数据集。

所有数据随机洗牌，放入开发集和测试集，保证我们的数据来自于同一个分布。

开发集和测试集大小的划分

小数据集（几千个样本或者有一万个样本）：训练集、测试集三七分；训练集、开发集和测试集六六二

大数据集（百万级）：98%作为训练集，1%开发集，1%测试集