正交化

在我们对算法进行改进时，我们希望我们可以获得一个正交化的“旋钮”对每个不同的特征使用不同的“旋钮”进行调节

假如我们的算法在以下几个情况表现得不太好：

1.对训练集拟合的效果很好

        假如拟合的不好的话，那可能是欠拟合问题。加大神经网络深度或者使用别的梯度下降法

2.对验证集拟合的效果很好

        假如拟合的不好的话，使用正则化或者增大训练样本也许会有帮助

3.对测试集拟合的效果很好

        假如不好，那么增大验证集的样本数也许会有帮助

4.对现实应用效果很好

        假如不好，那就有可能是因为Cost function 不太正确或者是测试集和验证集没挑选好。

单一数字评估指标

当我们对不同的分类器进行评估时，往往会得到很多很多数值。这时候不能很直观地看出来哪个分类器的效果更好，我们需要使用单一数字评估指标。以分类器的召回率和准确率为例：

Precision 和 Recall 的定义如上。

A和B我们不能很好地区分其分类效果，这时候我们就要用到“平均"的概念:F1-score   (harmonic mean)

这样就能很好地区分A,B分类器的优劣了

满足指标和优化指标

分类器通常有许多个指标，类似准确率,召回率,速度等等。我们或许并不想要一个平均值，而是某个指标能够到达最大值，而其他指标能达到忍受范围之内

如上，我们想要选取最高准确率的分类器，但是运行时间不得超过100ms。

准确率就是满足指标，其余的便是优化指标。

我们从N个指标中选出一个指标作为我们的满足指标，其他指标设置一个阈值作为优化指标。

训练集/开发集/测试集

对开发集和测试集的归类务必在同一分布之下,不然会变成(Zip code问题)

什么时候开始改变开发集或者测试集的指标？

第一种情况

假设我们拥有两个分类器A,B

看起来我们的A分类器误差更小，更加适合我们应用。但是假如A分类错误时会把色情图片推送给客户，而B虽然误差较大但不会把色情图片产生错误分类。这时我们就要改变开发集和测试集的指标了。

重新定义Error函数如上。当是色情图片时，w的取值很大，使得Error增加很多。对色情图片的分类进行加权。

第二种情况

当我们的开发集与测试集都是高质量的图片，但当在现实应用中的图片都是低质量的，和开发测试集不是同一个分布之下的时候。我们就要考虑改变开发集与测试集了（eg:猫分类器）

根据人类的表现来和神经网络进行比较