1. 应用机器学习的建议
1.1 下一步做什么
仍然使用预测房价的学习例子,假如你已经完成了正则化线性回归,也就是最小化代价函数J的值,假如,在你得到你的学习参数以后,如果你要将你的假设函数放到一组新的房屋样本上进行测试,假如说你发现在预测房价时产生了巨大的误差,现在你的问题是要想改进这个算法,接下来应该怎么办?
获得更多的训练实例——通常是有效的, 但代价较大, 下面的方法也可能有效, 可考虑先采用下面的几种方法。
1.尝试减少特征的数量
2.尝试获得更多的特征
3.尝试增加多项式特征
4.尝试减少正则化程度λ
5.尝试增加正则化程度λ
总结一下,我们可以采取的手段主要在这些方面:数据集、特征、多项式特征、正则化项。我们不应该随机选择上面的某种方法来改进我们的算法,而是运用一些机器学习诊断法(Machine learning dignostic)来帮助我们知道上面哪些方法对我们的算法是有效的。
诊断法的意义:你通过执行这种测试,能够深入了解某种算法到底是否有用。这通常也能够告诉你