结构化机器学习项目 —— 1.1 为什么是ML策略

假设你正在调试你的猫类分类器，经过一段时间的调整，你的系统达到了90%的准确率，但对你的应用程序来说还不够好，你可能有很多想法去改善你的系统，比如说收集更多的训练数据；可能训练集的多样性还不够，应该收集更多不同姿势的猫咪图片或者更多样化的反例集；或者你想用梯度下降训练算法，训练久一点；或者你想尝试用一个完全不同的优化算法，比如Adam优化算法；或者尝试使用规模更大或者更小的神经网络；或者你想试试dropout或者L2正则化；或者你想修改网络的架构，比如修改激活函数，改变隐藏单元的数目等方法。

当你尝试优化一个深度学习系统时，通常有很多想法可以去试；问题在于，如果做出了错误的选择，完全有可能白费很多时间，往错误的方向前进，过了很久才意识到这方法根本不管用，这门课程可以教给我们一些策略。