Coursera吴恩达《构建机器学习项目》课程中，机器学习策略（下）部分有哪些重点笔记？

本文共计4060个文字，预计阅读时间需要17分钟。

红色石头的个人网站：redstonewill.com这是Andrew Ng深度学习专项课程第三门课程《构建机器学习项目》的第二节课笔记，第一节课笔记入口：Coursera吴恩达《构建机器学习项目》课程笔记

红色石头的个人网站：​​redstonewill.com​​

这是Andrew Ng深度学习专项课程第三门课《构建机器学习项目》的第二节笔记，第一节笔记入口：Coursera吴恩达《构建机器学习项目》课程笔记（1）– 机器学习策略（上）

1. Carrying out error analysis

对已经建立的机器学习模型进行错误分析（error analysis）十分必要，而且有针对性地、正确地进行error analysis更加重要。

举个例子，猫类识别问题，已经建立的模型的错误率为10%。为了提高正确率，我们发现该模型会将一些狗类图片错误分类成猫。一种常规解决办法是扩大狗类样本，增强模型对够类（负样本）的训练。但是，这一过程可能会花费几个月的时间，耗费这么大的时间成本到底是否值得呢？也就是说扩大狗类样本，重新训练模型，对提高模型准确率到底有多大作用？这时候我们就需要进行error analysis，帮助我们做出判断。

方法很简单，我们可以从分类错误的样本中统计出狗类的样本数量。