1. 引言

最近看吴恩达深度学习的深度学习课程笔记，笔记公布网站:https://github.com/fengdu78/deeplearning_ai_books

http://www.ai-start.com。看到第三门课：结构化机器学习项目，看完很有感触，感觉大牛确实是牛，比自己当初做项目单独摸索时使用的方法强太多，自己当初也能按照这些方法做就好了。为了以后自己少走弯路，将课程中好的执行策略加上自己的理解记录在此，以后做项目遇到困难多翻翻。

 2. 实用的机器学习策略

什么是机器学习策略呢？就是你做项目时搭建好一个原型后怎么一步步的优化，使得其接近可用、可部署的模型。

2.1 选算法模型

这一步最好不要自己造轮子，首先理清自己要解决的问题所在的学术领域，到百度学术找找学术文献看看专业的研究者都是怎么做的，看的多了就有自己选什么样算法和模型的思路了；遇到比较好的论文，可能还有github的实现，那就更好了，抓一部分自己真正要用的样本，代入到github项目里调一调，这样对是否借鉴相关算法、以及算法要注意的各种重要问题都能心里有谱，而且还不怎么花时间。

    另外，如果你要解决的问题，恰好已经在工业界有很好的公认的好的实现了，那你要做的就更简单了，算法和模型可以直接借鉴，剩下的就是怎么将你自己的数据与公开的算法模型对齐了。当然，这里面也会涉及到很多优化问题，不仅需要好好调调模型参数，可能还需要借助学术文献做做更深入的优化。如果不幸的是工业界没有公认的好实现，那你就要借助开源算法平台，例如深度学习tensoflow或者传统机器学习scikit-learn，自己做模型验证了，验证的算法模型来自之前研究的学术论文，或多个学术论文模型的综合。

2.2 数据集划分

一般来讲，需要将数据集划分成训练集、验证集（深度学习课程中将其叫做开发集）和测试集。其中：

1. 训练集用来训练不同的算法模型；

2. 用开发集评估不同的模型选择最优的一个，然后不断迭代去改善开发集的性能；

3.用测试集去评估最终应用效果。

    需要注意的是开发集和测试集要来自同一数据分布，一种可行的方法是将所有数据随机洗牌，放入开发集和测试集，此时二者处于同一分布。另外，设立开发集和测试集时，要能够反映你未来会