第一章：為什么機器學(xué)習(xí)策略

　　為什么是機器學(xué)習(xí)策略

　　機器學(xué)習(xí)是無數(shù)重要應(yīng)用程序的基礎(chǔ)，包括網(wǎng)頁搜索，電子郵件反垃圾郵件，語音識別，產(chǎn)品推薦等。我假設(shè)你或你的團隊正在一個機器學(xué)習(xí)應(yīng)用程序，并且你想要快速進步。那么這本書將幫助到你。

　　示例：構(gòu)建一個cat圖片啟動假設(shè)你正在建立一個創(chuàng)業(yè)公司，將為貓愛好者提供一個無盡的貓圖片流。并使用神經(jīng)網(wǎng)絡(luò)建立一個計算機視覺系統(tǒng)，以檢測圖片中的貓。

　　但悲劇的是，你的學(xué)習(xí)算法的準(zhǔn)確性還不夠好。你面臨著提高貓檢測算法的巨大壓力。你該怎么做？

?

　　您的團隊有很多想法，例如：

　　? 獲取更多的數(shù)據(jù)：收集更多的貓的照片

　　? 收集更多樣化的培訓(xùn)集。例如，貓在不尋常的位置的圖片;貓不尋常的著色;各種相機設(shè)置下拍攝出的貓圖; 。..。

　　? 通過運行更多的梯度下降迭代來增加算法的訓(xùn)練時間

　　? 嘗試更大的神經(jīng)網(wǎng)絡(luò)，具有更多的層/隱藏單位/參數(shù)

　　? 嘗試更小的神經(jīng)網(wǎng)絡(luò)。

　　? 嘗試添加正則化（例如L2正則化）

　　? 改變神經(jīng)網(wǎng)絡(luò)架構(gòu)（激活功能，隱藏單位數(shù)等）

　　在這些可能的方向中，如果選擇的好，你將會建立領(lǐng)先的貓圖片平臺，并帶領(lǐng)公司走向成功。如果選擇 不好，可能會浪費幾個月的時間。你該怎么做？

　　這本書會告訴你怎么做。大多數(shù)機器學(xué)習(xí)問題留下的線索告訴你什么是有用的的嘗試，什么是沒用的嘗試。學(xué)會閱讀這些線索會節(jié)省你幾個月甚至幾年的開發(fā)時間。