4. 驱动机器学习长足进步的因素 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.

很多机器学习(神经网络)的想法都提出几十年了，为什么这些想法会突然的火了呢？

促进这一现象的最大两个驱动因素是：

1. 数据规模 现在人们大量使用诸如手机，电脑等电子设备。使用的过程中，产生了大量数据，这些数据正是机器学习算法所必须的。
2. 计算能力 因为计算能力的提升，我们近些年才可能训练出足够大的神经网络，来将这些数据利用起来。

具体来说，即使你积累了大量的数据，旧的算法比如逻辑回归，也不可能会有大的提升。当你提供再多的数据时，你也会发现它的学习曲线非常平坦。

就好像旧的算法并不知道该如何利用现有的数据一样。
但如果你使用神经网络，效果就会不一样了。
当你使用一个小型的神经网络时，你会发现模型性能略有提升。

这里的小型神经网络是指，层数、神经元和参数较少的神经网络。
接着，你再使用一个大型的神经网络试试，你会发现模型性能有了大幅度的提升。

从上图可以看成，想获取最好的性能，就需要

1. 使用更大型的神经网络
2. 使用更大量的数据集

还有很多其他的细节，比如神经网络结构也非常重要，这方面近些年来有很多的创新。
但当前最可靠的改进算法性能的方法仍是：

1. 训练更大型的神经网络
2. 使用更大量的数据集

实现上面这两个步骤，其实异常的复杂。本书将会详细讨论里面的细节。
我们先从对传统算法和神经网络都有用的策略开始说起，然后说下，如何在构建深度机器学习系统时，使用最先进的策略。

更多好玩的机器学习教程: 进入袋马学院领一份 ，全部免费.