目录

1）Prioritizing what to work on:Spam classification example

2）Error analysis

3）Error metrics for skewed classes

4）Trading off precision and recall

5）Data for machine learning

---

下面将学习到在构建大型机器学习系统时有用的方法，数学性不会很强，但是也很使用。来看一个垃圾邮件分类器。

1）Prioritizing what to work on:Spam classification example

首先我们构建一个垃圾分类器：

我们接下来可以按照以下方法尝试：

2）Error analysis

除了学习曲线外，误差分析也是很有用的工具。构建一个学习算法的推荐方法为：

3）Error metrics for skewed classes

类偏斜问题表现为我们的训练集中有非常多的同一类的实例，只是很少或没有其他类的实例。来看我们最初的癌症诊断的例子:

我们训练的逻辑回归模型比我们非学习来的算法准确率还低，此时误差大小不能视为评判算法的依据。

我们要学习到两个重要指标：准确率和召回率：

准确率： 

召回率：

4）Trading off precision and recall

还是以癌症检查的例子来说明情况：下图显示了我们如何改变阈值提高准确率和召回率：

但在实际中我们一般使用 F1值 来作为判别标准：

5）Data for machine learning

下图显示了数据量大小对算法性能的影响：

下面介绍了如何解决高偏差（特征足够多）和高方差问题（庞大训练集）的方法。