Machine Learning Yearning

机器学习是无数重要应用的基石，包括web搜索、电子邮件反垃圾邮件、语音识别、产品推荐等等。我假设您或您的团队正在开发一个机器学习应用程序，并且您希望快速取得进展。这本书将帮助你做到这一点。

示例：从小猫图片开始

你用神经网络建立了一个计算机视觉系统来检测图片中的猫。但不幸的是，学习算法的准确性还不够好。你需要在巨大的压力下改进你的猫探测器。那做些什么呢?

你的团队会有无数想法，比如：

  • 获取更多数据：更多猫的图片
  • 收集更多样化的训练集，比如，在不同位置的小猫的图片：有不寻常颜色的猫；使用各种相机设置拍摄的照片....
  • 进行更多次数的梯度下降迭代，延长算法运行时间
  • 尝试增加单元和层，以创建更大的神经网络
  • 尝试更小的神经网络
  • T尝试正则化（L2正则化）
  • 改变神经网络架构 (激活函数，隐含神经元个数等)
  • 等等……

如果你能在这些可能的方向中做出正确的选择，你将会建立一个领先的猫图片平台，并带领你的公司走向成功。如果你选择不当，你可能会浪费几个月的时间。你怎么做?

这本书会告诉你怎么做。大多数机器学习问题都会留下一些线索，告诉你什么是有用的，什么是没用的。学习阅读这些线索将为你节省数月或数年的开发时间。