12.总结：构建开发和测试数据集 翻译自 吴恩达新书-Machine Learning Yearning

更多好玩的机器学习教程: 进入袋马学院领一份 ，全部免费.

• 选择与实际数据(或你期望的数据)一致的开发和测试数据集，这些数据可能与你的训练数据不同

• 开发数据集和测试数据集中的数据分布应当一致

• 选择单值衡量指标作为你的团队优化目标，如果要考虑多个目标，可以通过一个表达式(比如求平均)将多个指标合并成一个指标，也可以把指标分为约束性指标和优化性指标‘

• 机器学习是一个高速迭代的过程，在目标满足前，你可能需要尝试数十个想法

• 拥有开发/测试集和单值衡量指标后，可以让你快速评估你的算法，从而加速迭代

• 当开始一个全新的应用时，尽量在一周内，快速的建立开发/测试集和衡量指标。如果时成熟的应用，花长一点时间也没关系。

• 当你有非常多的数据时，将数据按7:3的比例分成训练和测试样本集并不合适，此时开发和测试样本集中的数量要远低于30%

• 你需要有足够大的开发数据集(但也不要太大)，让你能看出算法精度上有意义的改变。测试样本集中的数据要尽可能的多，这样评估出的结论才能让人信服。

• 如果你的开发数据集和评估指标，已经不能再给你的团队指明正确的方向了，那你需要迅速的改变它们：

  1. 当开发数据集上发生过拟合时，此时添加更多的数据到开发数据集中
  2. 如果真实的数据与开发/测试集中的数据不一致时，更新开发/测试数据集即可
  3. 如果衡量指标不能衡量你所关心的最重要事情，则需要更换衡量指标

更多好玩的机器学习教程: 进入袋马学院领一份 ，全部免费.