吴恩达机器学习——机器学习系统设计（8）

1. 误差分析

（1）构建一个学习算法的推荐方法

• 从一个简单的能快速实现的算法开始，实现该算法并用交叉验证集数据测试这个算法
• 绘制学习曲线，决定是增加更多数据，或者添加更多特征，还是其他选择
• 进行误差分析：人工检查交叉验证集中我们算法中产生预测误差的实例，看看这些实例是否有某种系统化的趋势

（2）误差分析作用

误差分析并不一定能判断应该采取怎样的行动。但通过尝试不同的模型并比较后，能用数值来判断哪一个模型更好更有效，通常是看交叉验证集的误差。

2. 类偏斜的误差度量

对于类偏斜的问题，误差的大小是不能视为评判算法效果的依据的。常采用查准率（Precision）和召回率（Recall）来判断。
查准率=TP/(TP+FP)
召回率=TP/(TP+FN)
其中：TP–真阳性（True Positive）；TN-- 真阴性（True Negative,TN）；FP-- 假阳性（False Positive）；FN-- 假阴性（False Negative）

3. 查准率和召回率之间的权衡

对某个特定的问题高查准率对应低的召回率ÿ