機器學(xué)習(xí)（machine learning）已然成為無數(shù)重要應(yīng)用的基石——如今，在網(wǎng)絡(luò)搜索、垃圾郵件檢測、語音識別以及產(chǎn)品推薦等領(lǐng)域，你都能夠發(fā)現(xiàn)它的身影。如果你或你的團隊正在研發(fā)一款機器學(xué)習(xí)相關(guān)應(yīng)用，并期待取得較快進展，那么這本書將會是你的得力助手。

　　案例：建立貓咪圖片初創(chuàng)公司

　　想象一下，你正在建立一家初創(chuàng)公司，這家公司的產(chǎn)品目標是為貓咪愛好者們提供數(shù)不盡的貓咪圖片，你打算應(yīng)用神經(jīng)網(wǎng)絡(luò)（neural network）技術(shù)來構(gòu)建一套計算機視覺系統(tǒng)，通過該系統(tǒng)來識別圖片中的貓。但悲劇的是，目前你的學(xué)習(xí)算法準確度還不夠好。為了改進這個貓咪檢測器，你正面臨著巨大的壓力。可你該怎么做呢？你的團隊給出了許多建議，例如：

　　● 獲取更多的數(shù)據(jù)，即收集更多的貓咪圖片

　　● 收集更加多樣化的訓(xùn)練數(shù)據(jù)集，圖片中貓的位置可能不常見，也有可能顏色奇異，或者拍攝時使用不同的相機參數(shù)

　　● 通過增加梯度下降的迭代次數(shù)，使算法訓(xùn)練得久一些

　　● 嘗試一個擁有更多層/更多隱藏元/更多參數(shù)的，規(guī)模更大的神經(jīng)網(wǎng)絡(luò)

　　● 嘗試一個更小的神經(jīng)網(wǎng)絡(luò)

　　● 改變神經(jīng)網(wǎng)絡(luò)的架構(gòu)（激活函數(shù)，隱藏元數(shù)量等等）

　　● 。..

　　在上面眾多的方向中，如果你做出了正確的選擇，就將建立起一個效果領(lǐng)先的貓咪圖片識別平臺，并帶領(lǐng)你的公司取得成功。但如果你選擇了一個糟糕的方向，則可能因此浪費掉幾個月的時間。那么你該如何做出決定呢？這本書將告訴你應(yīng)該怎么做。眾多的機器學(xué)習(xí)問題會留下一些線索，告訴你什么樣的嘗試有用，什么樣的沒用。而學(xué)會解讀這些線索將會節(jié)省你幾個月甚至幾年的開發(fā)時間。

?