吴恩达-DeepLearning.ai-03 结构化机器学习项目

吴恩达-DeepLearning.ai-03 结构化机器学习项目总结

第一周  机器学习（ML）策略（1）

什么是ML策略？

当你的模型达到一定的效果时，你想提升你的模型性能时，这时候有很多选择，怎么能高效的处理呢。

正交化调节思想：类似于向量正交的概念，就是要确定好你的调节方向。

策略一：选择一个单一的评价指标，可以清楚地判断模型每次迭代的好坏。

根据指标综合评估性能。

训练开发测试的数据要来自同一数据分布

数据集大小的分配问题（已经提到过）

什么时候该改变开发测试的目标？

当你的当前评价指标不能评价算法性能的好坏的时候，你需要改变评价指标或者开发测试集。

人的表现：任何算法的比较

分析偏差方差原因，来解决避免。

模型的优化（对上面的总结）：

第二周  机器学习（ML）策略（2）

1、进行误差分析

进行误差分析可以让我们认识算法和数据这两方面存在什么问题，从而做出相应的改进。

2、对错误的数据进行标记（原始/预测）

搭建一个系统：对于新问题从简单到复杂，对于老问题参考已有经验可以从复杂开始

不同的分布上进行训练和测试（分布不同，数据的结果在偏差和方差上就能反映出来）。

迁移学习（从大数据集到小数据集应用较多）：

从一个任务中学习到的知识，应用到另一个问题上去。

多任务学习：

训练一个神经网络，同时执行多个任务（提高性能）。

端到端的深度学习任务：