近期看了吴恩达的一本书，关于如何建立和确定优化模型？里面有个人认为需要学习的地方，故做笔记：

1.模型训练一共有三个数据集：训练集、开发集（验证集）、测试集。开发集不能太小，通常在1000-10000，并且测试集属于同一分布；

2.过拟合：训练过程中开发集的准确率和测试集测试的准确率差别不大，若开发集比测试集大很多的话，那就是过拟合了。也就是说，只对训练数据识别效果好，但对外部数据识别不好；

3.欠拟合：参考过拟合，也就是训练模型对开发集和测试集效果都不好；

• 被选择作为开发集和测试集的数据,应当与你未来计划获取并对其进行良好处理的数据有

着相同的分布,而不一定和训练集的数据分布一致。

• 开发集和测试集的分布应当尽可能一致。

• 为你的团队选择一个单值评估指标进行优化。

• 当需要考虑多项目标时,不妨将它们整合到一个表达式里(比如对多个误差指标取平均)

,或者设定满意度指标和优化指标。

• 机器学习是一个高度迭代的过程:在出现最终令人满意的方案之前,你可能要尝试很多想

法。

• 拥有开发集、测试集和单值评估指标可以帮助你快速评估一个算法,从而加速迭代进程。

• 当你要探索一个全新的应用时,尽可能在一周内建立你的开发集、测试集和评估指标;而

在已经相对成熟的应用上,可以考虑花费更长的时间来执行这些工作。

• 传统的 70% / 30% 训练集/测试集划分对于大规模数据并不适用,实际上,开发集和测试

集的比例会远低于 30%.

• 开发集的规模应当大到能够检测出算法精度的细微改变,但也不需要太大;测试集的规模

应该大到能够使你能对系统的最终性作出一个充分的估计。

• 当开发集和评估指标对于团队已经不能提供一个正确的导向时,尽快修改它们:(i) 如果算

法在开发集上过拟合,则需要获取更多的开发集数据。(ii) 如果开发集与测试集的数据分布

和实际数据分布不同,则需要获取新的开发集和测试集。 (iii) 如果评估指标无法对最重要

的任务目标进行度量,则需要修改评估指标。。