吴恩达Coursera深度学习课程 deeplearning.ai (3-1) 机器学习(ML)策略（1）--课程笔记

相关课件：https://download.csdn.net/download/haoyutiangang/10496676

1.1 为什么是 ML 策略

实践中优化深度学习模型的方法有好多种，应该如何抉择?

1.2 正交化

正交化： 一个维度做且只做一件事，各个维度相互独立，不影响其他维度做的事情。

比如电视条件：有调节高度的按钮，宽度的按钮，旋转的按钮，
色彩的按钮，亮度的按钮，每个按钮负责一件事情，不会影响其他按钮调节的维度，使分析更为简单。

监督学习模型中：

• 系统在训练集上表现的好
  
  • 否则，使用更大的神经网络、更好的优化算法
• 系统在开发集上表现的好
  
  • 否则，使用正则化、更大的训练集
• 系统在测试集上表现的好
  
  • 否则，使用更大的开发集
• 在真实的系统环境中表现的好
  
  • 否则，修改开发测试集、修改代价函数

1.3 单一数字评估指标

如果用多个指标去评估各个系统的表现，很难抉择，因为各有利弊。

应该尝试去设置一个合理的单一实数评估指标，所有系统都通过这一个指标来评估好坏，问题就会简单的多，迭代速度也会加快。

例如：

• 查准率（Precision）：计算结果中 true 的个数除以计算结果的个数

• 查全率（Recall）: 计算结果中true的个数除以全集中真实true的个数

• F1 Score：查准率和查全率的调和平均数
  

  F1_sorce=21precis