废话不多说,先上书封面!
首先,非常感谢Andrew NG贡献的新书,本书总共大概50多章,昨天收到了1-12章(1-2页/章,总共23页)的手稿,让各位读者一睹为快。
附上书的下载地址:
1-12章:https://gallery.mailchimp.com/dc3a7ef4d750c0abfc19202a3/files/Machine_Learning_Yearning_V0.5_01.pdf
13章:https://gallery.mailchimp.com/dc3a7ef4d750c0abfc19202a3/files/Machine_Learning_Yearning_V0.5_02.pdf
14章:https://gallery.mailchimp.com/dc3a7ef4d750c0abfc19202a3/files/Machine_Learning_Yearning_V0.5_03.pdf
一、前言
先说说我对于此书的期待,本书作者是Andrew NG,我相信这个名字对于所有做机器学习的朋友来说都不陌生,斯坦福大学计算机科学系和电子工程系副教授,人工智能实验室主任,Coursera的联合创始人,14年加入Baidu IDL担任百度公司首席科学家。或许有许多人跟我一样,是从NG的机器学习视频中得到启蒙的,从此走上了machine learning的道路。在我看来,NG在Teaching方面做的工作为所有年轻学者、科研工作者以及工业界的研发人员带来了实实在在进步的力量。看过CS229课程的朋友可能会有很深的体会,NG讲的内容既深刻又浅显,既理论又实际,公布了大量学习的code以供相关学习,NG无非是想让机器学习的方法真正应用到实际生活中,让机器学习不光在学术上,也在工业上产生应有的价值。当然最终也包括本文提到的此书。(以上的啰嗦是本人对于NG的热衷之言,仅代表本人,勿喷!)
二、《Machine Learning Yearning》
1)Why Machine Learning Strategy
首先,本书列举了一下机器学习的应用包括:网页搜索,辣鸡邮件分类,语音识别,商品推荐等等等。。。然后,NG举了一个例子:如果有一个检测猫的检测器,当这个检测器表现不好的时候,你该怎么办?
● 收集更多的数据
● 让数据集更丰富:例如不同姿势、不同颜色的猫...
● 让梯度再飞一会儿
● 搞个更大的网络,多来几层、多来点神经元,最后加点参数
● 小的网络也不一定差哦
● 加入正则项 - 像是L2
● 把整个框架都换了(什么激活函数之类的)
这样做有一个顾虑,如果没有找准方向,那么你可能会白白花掉很多时间,那么我们该如何下手呢?
2)How to use this book to help your team
NG写此书的目的就在于,让读者了解机器学习算法在应用中出了什么问题,同时如何应对?
此书每一章只有1-2页,前12章没有看到一条数