吴恩达机器学习-笔记-机器学习系统设计

机器学习系统设计这一章节包含四个小节，分别是:

• 确定执行的优先级
• 误差分析
• 精确率和召回率的权衡
• 机器学习数据

在建立一个机器算法之前，先使用一个最粗的学习算法经行测试，得到一个大致的结果。这个测试的过程将会在你之后的设计中帮助你节省大量的时间。

你也可以简单粗暴的选取一些特征，不必做太多降维之类的工作，来设计你的第一个机器学习算法。

总而言之，不要担心你的第一个算法太简单或者误差太大。一旦你做出了你的第一个算法，你就可以使用强有力的工具帮助你找到接下来该怎么做的方法。

第一步，先根据你的运算结果，进行误差分析。然后以此决定接下来的优化方法。

第二步，已有的算法和相应的价值评估体系可以帮助你试验新的算法。

那么什么是价值评估体系呢，简单来说就是三个值：

1. 精确率，predicted
2. 召回率，recall
3. F值，F1score

这三个值可以用预测癌症的例子来进行直观的理解。

精确率，等于True positive/predicted positive，也就是说，我们预测得了癌症的人中，预测正确的概率。我们希望这个率尽可能大，毕竟被预测得了癌症的人身心都会受到很大摧残，预测错的代价就会很大。

召回率，等于True positive/actual positive，也就是说，真正得了癌症的人中，我们把他预测出来的概率。我们有时候也会希望这个值尽可能的大。

那么如何权衡这两个值呢，F值=2RP/(R+P)，有了这个值，你就不用担心无法评估倾斜度很高的算法（例如精确率高但是召回率很低，就像一个算法，总是预测没有得癌症）。