吴恩达《Machine Learning Yearning》学习笔记-2

第二部分：基本错误分析

1. 在开始一个新项目（特别是当你不是该领域的专家）的时候，选择最合适的方向通常很困难。所以不要试图一开始就能设计和构建出最完美的系统。应该以最快速度构建和训练出一个基本的模型。然后利用错误分析的方法来帮助团队确定最有前景的改进方向，并以此为基础迭代式地改进算法。

2. 通过人工检查约100个算法分类错误的开发集例子，并将这些例子归类，来进行错误分析。利用错误类型及占比等信息来确定各种解决方案的优先级。

3. 考虑将开发集数据分成肉眼检查用的开发集和黑盒开发集。如果肉眼检查用的开发集上的算法性能远好于黑盒开发集的，那么说明在肉眼检查用的开发集上发生了过拟合，你需要获取更多的数据。

4. 肉眼检查用开发集需要足够大，能够反映出算法的分类错误信息。对于很多应用而言，1000-10000个样本组成的黑盒开发数据集够用了。

5. 如果开发集不够大，那么使用整个开发集作为肉眼检查用开发集，用于人工进行错误分析、模型选择和超参数调节。