1机器学习为什么需要策略?如果你或你的团队正在研发一款机器学习相关应用，并期待取得较快进展，那么这本书将会是你的得力助手。众多的机器学习问题会留下一些线索，告诉你什么样的尝试有用，什么样的没用。2如何使用此书来帮助你的团队完成本书的阅读后，你将进一步理解如何为一个机器学习项目设定技术方向，但团队成员可能不理解你为何要推荐某个特定的方向。
点击上方关注，私信AI中国小编，回复“1024”即可免费领取吴恩达《机器学习训练秘籍》！
1 机器学习为什么需要策略?
机器学习(machine learning)已然成为无数重要应用的基石——如今，在网络搜索、垃圾邮件检测、语音识别以及产品推荐等领域，你都能够发现它的身影。如果你或你的团队正在研发一款机器学习相关应用，并期待取得较快进展，那么这本书将会是你的得力助手。
案例:建立猫咪图片初创公司
想象一下，你正在建立一家初创公司，这家公司的产品目标是为猫咪爱好者们提供数不尽的猫 咪图片，你打算应用神经网络(neural network)技术来构建一套计算机视觉系统，通过该系统来识别图片中的猫。
但悲剧的是，目前你的学习算法准确度还不够好。为了改进这个猫咪检测器，你正面临着巨大 的压力。可你该怎么做呢?
你的团队给出了许多建议，例如:
- 获取更多的数据，即收集更多的猫咪图片
- 收集更加多样化的训练数据集，图片中猫的位置可能不常见，也有可能颜色奇异，或者 拍摄时使用不同的相机参数
- 通过增加梯度下降的迭代次数，使算法训练得久一些
- 尝试一个拥有更多层/更多隐藏元/更多参数的，规模更大的神经网络
- 尝试一个更小的神经网络
- 尝试加入正则化(例如 L2 正则化)
- 改变神经网络的架构(激活函数，隐藏元数量等等)
- ...
在上面众多的方向中，如果你做出了正确的选择，就将建立起一个效果领先的猫咪图片识别平 台，并带领你的公司取得成功。但如果你选择了一个糟糕的方向，则可能因此浪费掉几个月的时间。那么你该如何做出决定呢?
这本书将告诉你应该怎么做。众多的机器学习问题会留下一些线索，告诉你什么样的尝试有用 ，什么样的没用。而学会解读这些线索将会节省你几个月甚至几年的开发时间。
2 如何使用此书来帮助你的团队
完成本书的阅读后，你将进一步理解如何为一个机器学习项目设定技术方向，但团队成员可能 不理解你为何要推荐某个特定的方向。有时你希望你的团队定义一个单值评估指标，但他们并 不认可你的想法，此时你将如何说服他们?
这正是我决定缩短章节篇幅的原因——这样你就能够将它们打印出来，并且让你的成员仅阅读其中他们需要了解的那几页。
优先级的稍加改变会对团队的生产力产生巨大的影响，我希望你能帮助团队做出一些这样的改变，从而成为团队里的超级英雄!
3 先修知识与符号说明
如果你有学习过机器学习相关课程(例如我在 Coursera 开设的机器学习 MOOC)，或者有
过监督学习的应用经验，这本书的内容对你而言则不难理解。
本书假设你熟悉监督学习(supervised learning)概念，即使用标注(labeled)的训练样本(x,y) 来学习一个从 x 映射到 y 的函数。监督学习算法主要包括线性回归(linear regression)、对数几率回归(logistic regression，又译作逻辑回归、逻辑斯蒂回归)和神经网络(neural network)。虽然机器学习的形式有许多种，但当前具备实用价值的大部分机器学习算 法都来自于监督学习。
我将经常提及神经网络(也被人们称为“深度学习” )，但你只需对这个概念有基础的了解便可 以阅读本书后面的内容。
如果对上文提到的一些概念你还不是很熟悉，可以在 Coursera 观看《机器学习》前三周的课程内容。(课程地址:http://ml-class.org)
更多内容：
私信AI中国小编，回复“1024”
即可免费领取吴恩达《机器学习训练秘籍》！
学习心得交流分享论坛：
http://deeplearning.ai
GitHub地址：
https://github.com/AcceptedDoge/machine-learning-yearning-cn
,
