1. 设计流程
在设计一个机器学习算法时,设计流程如下:
首先从一个简单的算法开始,然后尽快地去实现这个算法并在验证集中去测试,最后再收集测试结果;
第二步是根据前面学习到的模型,绘制学习曲线图,再分析曲线图来决策是过拟合的问题还是欠拟合的问题;
第三步则是误差分析,人工的来检测你的学习算法在验证集中出现错误的样本,看看能不能发现某些系统性的规律(比如说在垃圾邮件分类系统中,看看能不能发现什么类型的邮件总是被错误分类);
重复这个过程之后,每次都会发现一些这个系统的短处,然后去修正它,然后不断地提高这个系统的预测精度。
2.误差分析(Error Analysis)
上图给出了误差分析的步骤,比如在一个垃圾邮件分类系统中,我们学习到的算法,在500组数据的交叉验证集中,有100组发生了错误,于是我们来分析这些错误分类数据的类别,假如有12组为卖药类的邮件、4组为卖仿造品类的邮件、53组为钓鱼类的邮件,剩下的是其他的,那么我们应该主要研究钓鱼类的邮件,看