读书摘要《Machine Learning Yearning》

目前书更新到03部分，电子版下载：百度网盘，密码：orgv

Part 01

1. Why machine learning
2. 如何用这本书
3. Prerequisites & Notations
4. 算法效果与数据量的关系
   数据少的时候，NN的优势并不明显，这时候数据是主要的瓶颈，既然数据少，hand-crafted feature counts more. 而数据越大，NN capacity的优势就越明显。

算法效果与数据量之间的关系：数据越大，NN的优势越明显

5. 分数据集
   对于dev与test set，一定要选取最终应用场景的，而不是简单地把手头有的数据分成三份，这是目标导向（想吃什么做什么饭），而不是资源导向（有什么菜做什么饭）。只有dev与test数据分布是一样的时候，从dev中调的参数才能真实反映test set的情况。而这种情况下，dev好，test却坏，那么就只有一种可能：overfitting了dev set，解决办法：增加dev的数据量。

dev set的数据量一般在：1k-1w examples。大约1w个 examples能detect 0.1%的improvement。对于成熟的机器学习系统，performance提升0.01%也是值得的，毕竟关乎利润。

6. dev与test set应该分布一样

7. 分test set
   数据量少的情况，一般dev/test set：30%。大数据时代：上亿的数据总量，没必要分出30%这么多来做dev/test set，够用就好。

8. 单值优化指标
   优化的指标最好只有一个，多个目标同时优化，有时候难以判断孰优孰劣。例如recall与precision是两个经常矛盾的指标，解决办法：可以把recall与precision合并成一个数F1-score = 2/((1/precision)+(1/recall))，即precision和recall的几何平均。

ps. 召回率/查全率recall、精度/查准率precision、虚检率false positive rate、漏检率miss rate

对于一个二分类系统，按照predict和ground truth可以分为四类：

• true positive（predict = 1，label = 1）
• false positive（predict = 1，label = 0）
• true negative（predict = 0，label = 0）
• false negative（predict = 0，label = 1）

pos/neg表示预测的是1/0，而true/false表示看了label之后对预测肯定还是否定：如果label和预测的一致，即表示肯定；如果label和预测的相反，即表示否定。

• 查全率 = tp / (tp + fn) // 是1的有没有全找出来
• 漏检率 = fn / (tp + fn) // 是1的漏检了多少
• 查准率 = tp / (tp + tn) // 找对的当中，1占多少
• 虚检率 = fp / (tp + fp) // 找出来是1的中，其实不是1的有多少

9. satisficing metric and optimizing matric
   Running time、model storage这些在一定范围内不是unbearable就可以了，这种metric属于satisficing metric。accuracy这种越高越好，而不是在一个范围内就okay，属于optimizing matric。

再例如，在语音识别中，false positive（没唤醒它结果它自己醒了）可以作为satisficing metric，而false negative（我想唤醒它，结果它没反应）必须作为optimizing metric来优化。而在人脸识别中，false positive（不是数据库中人却放进去了）必须作为optimizing metric，false negative（是数据库中的人却没有识别出来）可以作为satisficing metric。

10. 开发
    强调dev set与metric的重要性。

    
    
    

    开发的loop：越多的iteration，开发速度越快

11. 何时换dev/test set与metric
    一般开发一个项目，在第一周分好数据集，确定metric，时间不要太长不要过早优化。但对于比较成熟的DL应用，可以时间长一点。

当根据metric在dev set上得到的结果好，但是实测却不好，那么可能有：

• 实际场景的数据分布和dev/test的分布不一样 → 用能反映真实场景的数据
• overfit dev set → 扩大dev set
• metric错了 → 用能反映真实目标的metric

12. 总结

• 根据最终的应用场景来选dev/test set的分布
• dev与test的分布应该一样
• 单值优化指标
• 开发：快速迭代
• 准备搞一个新项目？尽可能快地建立dev/test set和metric，快快上手
• 7/3分train与dev/test set。大数据下dev/test set够用就行了，不必非要30%。够用是指，可以检测出这种0.1%的improvement
• 发现dev/test set和metric不合适，及时更换

Part 02

13. Error Analysis
    假如，发现猫的分类中有一些狗的图片。该不该去画几个月时间去想办法在这些狗的图片上进一步改进？

在做之前，先进行简单的error analysis：把分错的那些图片抽样一下，，看看其中狗的图片占多少，譬如5%。假设原来的错误率是10%，即100张图片中10张分错了，而这里面有0.5张是狗的图片，现在把这些剔除掉，错误率仍然有9.5%。这就意味着，即使花了几个月时间完美解决了狗分错的问题，正确率也只能提升0.5%。这种情况，花几个月时间去解决狗分错的问题就不太值得。而如果error analysis中发现狗的图片占了50%，那么花比较多的经历去解决，还是比较值得的。

Part 03

14. Error Analysis中同时评测多个idea
    从分错的图片中抽样100张图片，做这样一个error analysis，这样就知道great cat和blurry比dog问题要更值得去解决。

    
    
    

    error analysis

Done.