17.机器学习系统的设计

主要内容

1. 构建学习算法的方法

一、构建学习算法的方法

1.1 构建一个学习算法的推荐方法

1. 从一个简单的能快速实现的算法开始，实现该算的并用交叉验证集数据测试这个算法
2. 绘制学习曲线，决定是增加更多数据，或者添加更多特征，还是其他选择
3. 进行误差分析：人工检查交叉验证集中我们算法中产生预测误差的实例，看这些实例是否有某种系统化趋势

1.2 具体例子——垃圾邮箱分类器

​ 以垃圾邮箱过滤器来描述机器学习系统设计方法

1. 要建立一个垃圾邮箱Spam分类器，要进行监督学习，将垃圾邮箱的特征提取出来，然后希望通过这些特征能够区分垃圾邮箱

2. 对于spam分类器，通常选取spam中词频最高的100个词来做特征

   

   

1.3 为了构建分类器算法，可能有很多策略：

1. 收集更多的数据,让我们有更多的垃圾邮件和非垃圾邮件的样本

2. 基于邮件的路由信息开发一系列复杂的特征

3. 基于邮件的正文信息开发一系列复杂的特征,包括考虑截词的处理

4. 为探测刻意的拼写错误开发复杂的算法

5. 为探测刻意的拼写错误开发复杂的算法