Machine Learning Yearning book draft - 读记（更新至Chapters 14）

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