吴恩达机器学习入门笔记8-构建大型机器学习系统的方法

1. 选择合适的特征向量
2. 从一个很简单的算法实现，交叉验证检验误差，作出学习曲线。看算法是否具有高偏差或高方差问题，再考虑是否选择增加特征量或者增加样本
   • ==用实际证据来指导决策==
3. 发现误差后，手动分析误差类别，判断什么特征导致的误差，对误差进行优先级排序，先解决最多数量的
4. ==在交叉验证集上==，为算法设定一个单一规则的数值评价指标进行评估，例如错误率。每次修改算法数值都能改变，帮助判断算法改进后的好坏程度
   • 对于正例样本远大于反例样本的极端情况(偏斜类样本)，用查准率和查全率和F值进行评估，precision和recall高为好的算法
   • 作出F-阈值图像，选取最大F值时的阈值，此时算法的性能最好
5. 多参数保证偏差小，训练集大保证方差小

吴恩达机器学习入门笔记8-构建大型机器学习系统的方法

原文：https://www.cnblogs.com/jestland/p/11548521.html