DraftVersion MACHINE LEARNING YEARNING Technical Strategy for Al Engineers In the Era of Deep Learning ANDREWNG
deeplearning.ai 机器学习训练秘籍 属于deepleaming.ai项目. 中文PDF相关信息= 项目地址：点击此处 文件版本：0.5.0draft 最后更新：2018/10/31 译者水平有限，如有翻译不当之处， 恳请读者指正，联系邮箱： acdoge.cao@qmail. 2018 Andrew Ng. All Rights Reserved. Page 2 Machine Learming Yearming-Draft Andrew Ng
目录 1 机器学习为什么需要策略？
2如何使用此书来帮助你的团队 3先修知识与符号说明 4规模驱动机器学习发展 5开发集和测试集的定义 6开发集和测试集应该股从同一分布 7开发集和测试集应该有多大？
？
8使用单值评估指标进行优化 9优化指标和满意度指标 10通过开发集和度量指标加速选代 11何时修改开发集、测试集和指标 12小结：建立开发集和测试集 13快速构建并迭代你的第一个系统 14误差分析：根据开发集样本评估想法 15在误差分析时并行评估多个想法 16清洗误标注的开发集和测试集样本 17将大型开发集拆分为两个子集，专注其一 18Eyeball和Blackbox开发集该设置多大？
19小结：基础误差分析 20偏差和方差：误差的两大来源 21偏差和方差举例 22与最优错误率比较 23处理偏差和方差 24偏差和方差间的权衡 25减少可避免偏差的技术 Page 3 Machine Learming Yearning-Draft Andrew Ng
26训练集误差分析 27减少方差的技术 28诊断偏差与方差：学习曲线 29绘制训练误差曲线 30解读学习曲线：高偏差 31解读学习曲线：其它情况 32绘制学习曲线 33为何与人类表现水平进行对比 34如何定义人类表现水平 35超越人类表现水平 36何时在不同的分布上训练与测试 37如何决定是否使用你的数据 38如何决定是否添加不一致的数据 39给数据添加权重 40从训练集泛化到开发集 41辨别偏差、方差和数据不匹配误差 42解决数据不匹配问题 43人工合成数据 44优化验证测试 45优化验证测试的一般形式 46强化学习举例 47端到端学习的兴起 48端到端学习的更多例子 49端到端学习的优缺点 50流水线组件的选择：数据可用性 51流水线组件的选择：任务简单性 Page 4 Machine Learming Yearning-Draft Andrew Ng
52直接学习更为丰富的输出 53根据组件进行误差分析 54误差归因至某个组件 55误差归因的一般情况 56组件误差分析与人类水平对比 57发现有缺陷的机器学习流水线 58建立超级英雄团队-让你的队友阅读这本书吧！
Poge 5 Machine Leorming Yearning-Draff Andrew Ng
