吴恩达《机器学习》笔记——第十一章《机器学习系统设计》

11.2 Error analysis（误差分析）

本节推荐在验证集上进行误差分析，而非在测试集上进行误差分析。

11.3 Error metrics for skewed classes（不对称性分类的误差评估）

分类精确度不能作为一个很好的误差分析，本节讲到了查准率（precision）和召回率（recall）。

查准率P=真正为1（positive）且预测为1的数目 / 预测为1的数目；召回率R=真正为1且预测为1的数目 / 真正为1的数目。

11.4 Trading off precision and recall（查准率和召回率的平衡）

如何权衡查准率和召回率，本节讲到了$F(F_1)$值：$$F(F_1)=2\frac{PR}{P+R}$$
$F(F_1)$值越大越好。

11.5 Data for machine learning（机器学习数据）

数据集越多越好，数据集有时候比算法还重要。