深度學習模型構建面臨的問題及「吳恩達」的建議

關於模型搭建 在一開始，儘可能不要將問題複雜化（不要提早優化），先快速實現一個簡單算法，而後經過交叉驗證集評估模型。這就比如在軟件工程中，不會作提早優化，而是先迭代功能。 經過繪製學習曲線（learning curve），肯定面臨的問題是高誤差仍是高方差，來決定是添加更多訓練樣本，仍是添加更多特徵。 甚至能夠手動檢查交叉驗證集中偏差較大的樣本，肯定錯誤的來源和解決策略。 關於準確率與召回率的權衡

>>阅读原文<<