機器學習固然是當今解決眾多任務的有效方法，但實際使用這個方法時依然需要注意幾個問題：
1 資料方面
1.1 訓練資料量
需要大量資料，才能讓多數機器學習演算法正常作業，即便對于非常簡單的問題，一般也需要數千的樣本，對于復雜的問題，比如影像或語音識別，可能需要數百萬的樣本，特別是在深度學習中，資料在很大程度上決定了演算法的表現，
1.2 資料分布情況
用于訓練的資料需要在很大程度上能夠反映真實情況，即要有代表性，達到這個要求需要注意：如果樣本太小，就會有樣本噪聲（即有一定概率包含沒有代表性的資料），但是即使是非常多的樣本也可能沒有代表性，如果取樣手段錯誤的話，稱為樣本偏差，
1.3 資料質量
即使資料量足夠，并且具有代表性，但如果資料質量不高，那么這些資料依然稱不上好的資料，一旦訓練資料中的錯誤、例外值和噪聲（錯誤測量導致）太多，系統檢測出潛在規律的難度就會變大，性能就會降低，
1.4 特征工程
系統只有在訓練資料包含足夠相關特征、少量非相關特征的情況下，才能進行有效的學習，機器學習成功的關鍵之一就是是用好的特征進行訓練，為了得到好的特征所做的作業稱為特征工程，具體涉及以下幾項作業：
1 特征選擇：在所有存在的特征中選取最有用的特征進行訓練，
2 特征提取：組合存在的特征，生成一個更有用的特征（如前面看到的，可以使用降維演算法），
3 收集新資料創建新特征，
2 演算法方面
2.1 過擬合
模型在訓練資料上表現很好，但是推廣效果不好，通俗的解釋就是模型將資料中的一些噪聲以及錯誤也學習了，有時也因為選擇的模型過于復雜，擬合能力太強，
可以考慮以下解決方案：
1 簡化模型，可以通過選擇一個引數更少的模型（比如使用線性模型，而不是高階多項式模型）、減少訓練資料的屬性數、或限制一下模型
2 收集更多的訓練資料
3 減小訓練資料的噪聲（比如，修改資料錯誤和去除例外值）
限定一個模型以讓它更簡單被稱作正則化（regularization），正則化的度可以用一個超引數（hyperparameter）控制，超引數是一個學習演算法的引數（而不是模型的），它是不會被學習演算法本身影響，在訓練中保持不變，調節超引數是構建優良的機器學習模型中非常重要的一部分，
2.2 欠擬合
與過擬合相對，欠擬合就是對訓練資料缺乏足夠的擬合能力，以至于只學習了資料中很少的規律與知識，甚至根本沒有學到，
可以考慮以下解決方案：
1 選擇一個更強大的模型，帶有更多引數
2 用更好的特征訓練學習演算法（特征工程）
3 減小對模型的限制（比如，減小正則化超引數）
3 檢驗模型
關于模型檢驗可以參考“機器學習與資料挖掘”專題下的“k折交叉驗證”一文，
宣告：本文部分內容源于《Sklearn與TensorFlow機器學習實用指南》一書，
轉載請註明出處，本文鏈接：https://www.uj5u.com/qita/33749.html
標籤：其他
上一篇：在三線城市作業爽嗎？