吴恩达深度学习-神经网络基础（第6课：机器学习（ML）策略1）

第一周 机器学习（ML）策略（1）（ML strategy（1））
1.1 为什么是ML策略？（Why ML Strategy?）
这里我理解的策略，应该是机器学习过程中采用的方法以及技巧。当然有经验的机器学习人会更有经验。

1.2 正交化（Orthogonalization）

吴老师讲的过程中，有点感觉像是控制变量法。

所谓的正交化我理解就是在机器学习系统过程中有很多可以调的东西，然后就是要建立需要来控制能够让一个参数控制一个东西，这样出了问题或者优化的过程中知道用什么来调什么或者优化什么。

1.3 单一数字评估指标（Single number evaluation metric）

所以本视频介绍的是，有一个单实数评估指标真的可以提高你的效率，或者提高你的团队做出这些决策的效率。

我发现很多机器学习团队就是这样，有一个定义明确的开发集用来测量查准率和查全率，再加上这样一个单一数值评估指标，有时我叫单实数评估指标，能让你快速判断分类器A或者分类器B更好。

1.4 满足和优化指标（Satisficing and optimizing metrics）

1.5 训练/开发/测试集划分（Train/dev/test distributions）
1.6 开发集和测试集的大小（Size of dev and test sets）

1.7 什么时候该改变开发/测试集和指标？（When to change dev/test sets and metrics）

1.8 为什么是人的表现？（Why human-level performance?）
1.9 可避免偏差（Avoidable bias）

1.10 理解人的表现（Understanding human-level performance）
1.11 超过人的表现（Surpassing human- level performance）
1.12 改善你的模型的表现（Improving your model performance）

一、学习安排（11月14日-11月16日）
1.主要学习视频：第六课：机器学习（ML）策略（1）（https://mooc.study.163.com/smartSpec/detail/1001319001.htm?from=study）
2.参考资料：
C3M1 slides
(http://cs230.stanford.edu/syllabus.html)
二、作业上传事项
1.作业内容：
主要是总结所学习的视频和讲义内容
(提交形式，是以“汇报”形式汇报给助教（李凯旋），对于作业敷衍的直接视为下车)
2.作业提交日期
作业规定在11月16日24点之前，大家把握好时间，且11月17日晚上，助教会公布没有交作业者并令其下车；
@所有人