機(jī)器學(xué)習(xí)（machine learning）已然成為無(wú)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(cè)、語(yǔ)音識(shí)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(tuán)隊(duì)正在研發(fā)一款機(jī)器學(xué)習(xí)相關(guān)應(yīng)用，并期待取得較快進(jìn)展，那么這本書(shū)將會(huì)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(biāo)是為貓咪愛(ài)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(lái)構(gòu)建一套計(jì)算機(jī)視覺(jué)系統(tǒng)，通過(guò)該系統(tǒng)來(lái)識(shí)別圖片中的貓。但悲劇的是，目前你的學(xué)習(xí)算法準(zhǔn)確度還不夠好。為了改進(jìn)這個(gè)貓咪檢測(cè)器，你正面臨著巨大的壓力。可你該怎么做呢？你的團(tuán)隊(duì)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(jiàn)，也有可能顏色奇異，或者拍攝時(shí)使用不同的相機(jī)參數(shù)

　　● 通過(guò)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(gè)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(gè)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(gè)效果領(lǐng)先的貓咪圖片識(shí)別平臺(tái)，并帶領(lǐng)你的公司取得成功。但如果你選擇了一個(gè)糟糕的方向，則可能因此浪費(fèi)掉幾個(gè)月的時(shí)間。那么你該如何做出決定呢？這本書(shū)將告訴你應(yīng)該怎么做。眾多的機(jī)器學(xué)習(xí)問(wèn)題會(huì)留下一些線(xiàn)索，告訴你什么樣的嘗試有用，什么樣的沒(méi)用。而學(xué)會(huì)解讀這些線(xiàn)索將會(huì)節(jié)省你幾個(gè)月甚至幾年的開(kāi)發(fā)時(shí)間。

?