Machine Learning Yearning 学习点

1. 在实际应用中，选择验证集与测试集分布相同，会更有效率，否则运气更占上风。
2. 验证集越大，对模型的性能评估更加敏感。例如，只有100个验证样本时，性能提升0.1%不会被发现。
3. precision = TP /（TP+FP），被测为正例的有多少是对的；recall = TP /（TP+FN），有多少正例被测对。F1分数被定义为precision和recall的调和平均数，F1 = 2×precision×recall /（precision+recall）。更一般的，Fβ分数对precision和recall赋予不同的权重，当recall的权重是precision权重的β倍时，Fβ = （1+β^2）×precision×recall / （β^2×precision+recall）。
4. 错误分析：查看在训练集和验证集上表现的具体情况，把握错误原因，明确前进方向，这比不知道从哪里着手而白费功夫更加高效。