深度学习算法
https://www.cnblogs.com/sthu/p/8690723.html
1、线性回归
2、逻辑回归
3、决策树
4、SVM
5、朴素贝叶斯
6、K最近邻算法
7、K均值算法
8、随机森林算法
9、降维算法
10、Gradient Boost 和 Adaboost 算法

监督式学习：
逻辑回归（Logistic Regression）和反向传递神经网络（Back Propagation Neural Network）



非监督式学习：
Apriori 算法以及k-Means 算法



半监督式学习：

图论推理算法（Graph Inference）或者拉普拉斯支持向量机（Laplacian SVM)


强化学习：

Q-Learning 以及时间差学习（Temporal difference learning）


回归算法:

最小二乘法（Ordinary Least Square），逻辑回归（Logistic Regression），逐步式回归（Stepwise Regression），多元自适应回归样条（Multivariate Adaptive Regression Splines）以及本地散点平滑估计（Locally Estimated Scatterplot Smoothing）


基于实例的算法:

 k-Nearest Neighbor (KNN)， 学习矢量量化（Learning Vector Quantization， LVQ），以及自组织映射算法（Self-Organizing Map ， SOM）  


决策树学习:

分类及回归树（Classification And Regression Tree， CART）， ID3 (Iterative Dichotomiser 3)， C4.5， Chi-squared Automatic Interaction Detection (CHAID)， Decision Stump, 随机森林（Random Forest）， 多元自适应回归样条（MARS）以及梯度推进机（Gradient Boosting Machine， GBM） 


贝叶斯方法:

朴素贝叶斯算法，平均单依赖估计（Averaged One-Dependence Estimators， AODE），以及 Bayesian Belief Network（BBN）


基于核的算法:

支持向量机（Support Vector Machine， SVM）， 径向基函数（Radial Basis Function ，RBF)， 以及线性判别分析（Linear Discriminate Analysis ，LDA)


聚类算法:

k-Means 算法以及期望最大化算法（Expectation Maximization， EM）


人工神经网络:

感知器神经网络（Perceptron Neural Network）， 反向传递（Back Propagation）， Hopfield 网络，自组织映射（Self-Organizing Map, SOM）。学习矢量量化（Learning Vector Quantization， LVQ）


深度学习:

受限波尔兹曼机（Restricted Boltzmann Machine， RBN）， Deep Belief Networks（DBN），卷积网络（Convolutional Network）， 堆栈式自动编码器（Stacked Auto-encoders）



降低维度算法:

主成份分析（Principle Component Analysis， PCA），偏最小二乘回归（Partial Least Square Regression，PLS）， Sammon 映射，多维尺度（Multi-Dimensional Scaling, MDS），  投影追踪（Projection Pursuit）



集成算法:

Boosting， Bootstrapped Aggregation（Bagging）， AdaBoost，堆叠泛化（Stacked Generalization， Blending），梯度推进机（Gradient Boosting Machine, GBM），随机森林（Random Forest）

本篇博文主要介绍深度学习算法的一些经验，主要参考Andrew NG的新书《Machine Learning Yearning》，目前出到第14章，基本上都是介绍深度学习在工程上的应用，全书没有数学公式，可以说是干货满满，非常值得一读！接下来我将结合自己的项目经历，以这本书为顺序介绍自己的心得体会。

链接（1~12章）： 
https://gallery.mailchimp.com/dc3a7ef4d750c0abfc19202a3/files/Machine_Learning_Yearning_V0.5_01.pdf 

链接（第13章）： 
https://gallery.mailchimp.com/dc3a7ef4d750c0abfc19202a3/files/Machine_Learning_Yearning_V0.5_02.pdf 

链接（第14章）： 
https://gallery.mailchimp.com/dc3a7ef4d750c0abfc19202a3/files/Machine_Learning_Yearning_V0.5_03.pdf

一、Why Machine Learning Strategy 

这一章主要是抛砖引玉，指出在你的深度学习模型遇到问题的时候，你需要选择合适的方法解决，那么一般都有哪些方法呢？作者列举了以下几个： 

1、获取更多的数据。 

2、增加训练样本的多样性。 

3、增加迭代次数。 

4、试试更深、更宽的网络，比如增加层数，卷积核个数，参数等等。 

5、试试更小的网络。 

6、加正则项，比如L2正则项。 

7、改变你的网络结构，比如激活方式，卷积核个数等。

个人感悟：增加训练样本的多样性可以这么理解：假如你要做猫狗分类，那么不同种类、不同姿势、睡觉的吃饭的等等的猫，各种各样都来一些，对提升你的算法效果是有帮助的。是否要增加迭代次数可以根据你的loss情况进行判断，当你的loss还没趋于平稳的时候，而且模型不太过拟合时，可以增加迭代次数。经验而言需要把你的全部数据跑几十遍才能达到不错的效果。更深的网络可以通过增加层数达到，比如像ResNet-152，当然原本简单增加层数的时候会遇到梯度衰减严重难以训练的情况，所以有了ResNet网络来解决这个问题。更宽的网络主要是通过增加某些层的卷积核的个数，一个卷积核相当于提取了一种特征，卷积核越多，特征越丰富，当然也增加了计算量。正则项一般是在过拟合的时候使用，简单讲就是限制权值的大小，L2是将权值的平方和加入到目标函数中，最后会使得权值趋于平滑，还有一种正则项是L1，可以使得权值趋于稀疏，即许多项为0。改变网络结构一般是比较细的调整，比如激活从ReLU改为pReLU，某层卷积核的大小的改变等等，一般小改的效果不会太明显。

二、How to use this book to help your team 

这一章基本上没讲什么东西，略过。

三、Prerequisites and Notation 

这一章也没什么重要内容，就是说如果你对机器学习不是很了解，可以看看这个链接：http://ml-class.org

四、Scale drives machine learning progress 

其实深度学习（或者叫神经网络）在几十年前就有了，但是为什么现在才开始这么火？作者提到两个主要因素： 

1、足够的数据 

2、足够的计算能力 

虽然现在数据有很多，但是传统的机器学习算法，比如逻辑回归，随着数据量的增加，其效果会遇到明显的瓶颈，此时如果采用不同深度的神经网络来训练，效果基本随着网络深度的增加而增加。如下图：



为什么会这样？因为在小数据上，可以人工构造特征，一般而言在小数据集上构造的特征还是十分有效的，但是随着数据集的增加，人工构造特征会愈加困难。

现在，对于深度学习模型，最常用的提高算法表现能力的方式就是两种：用更大的网络和用更多的数据。

个人感悟：非常同意最后这句话，也是我在工程项目中模型调优的方向，一般而言，增加或调整你的数据以及修改你的网络结构对你最后的效果提升是非常明显的。至于调参，应该要放在最后一步，一方面因为调参非常耗费时间且需要经验和运气；另一方面因为只要几个重要的超参数（学习率，mini-batch size）的量级没有设置得太过离谱，一般而言模型都能取得不错的效果，而且调参的提升空间不会太大。

五、Your development and test sets 

一般而言，在开展深度学习项目的时候，都会将数据分成三部分：训练集，验证集，测试集。你的模型在训练集上训练，然后用验证集来验证其效果，根据验证集的结果进行模型优化。作者强调你的测试集一定要和真实的数据有相同分布。

个人感悟：有些人可能觉得直接分成训练集和测试集就行了，为什么还要加一个验证集。其实应该这么理解，验证集也是一个测试集，用来测试你的模型的泛化能力。而测试集一般是指线上的环境。一般而言我们拿到数据，可以分成训练集和验证集，要随机分，这样训练集和验证集才能有相似的分布，然后就在这两个数据集上不断训练和优化我们的模型。最后将模型应用到实际场景中，这实际场景其实就是我们的测试集，因为实际场景中数据一般会比我们之前收集的数据更多样，所以模型表现不如线下验证集是正常的，因为你一开始拿到的数据不可能十全十美，这时需要将这些数据再加到我们的训练集和验证集中，再训练和优化，直到迭代到下一个版本。如此不断重复。总之记住：训练集，验证集，测试集要尽可能具有相同分布。

六、Your dev and test sets should come from the same distribution 

跟第五章类似，强调验证集和测试集要有相同的分布，否则你可能在验证集上训练出一个非常好的模型，但是在测试集上表现非常差。

七、How large do the dev/test sets need to be? 

这一章主要讲验证集和测试集需要多大比较合适？如果你的验证集只要100个样本，那么你的准确率提高的最小单位是1%，而不可能是0.1%，除非你的验证集增加到1000个样本。测试集样本也需要大到能足够表达你的模型效果才行，但是一般也不建议太大。

个人感悟：我觉得对于验证集和测试集的划分没有硬性规定，一般我将数据集分成训练：验证=9:1。

八、Establish a single-number evalution metric for your team to optimize 

主要是讲模型的评价标准。最好能用一个评价标准（比如准确率）来判断模型优劣，而不是用多个标准（比如precision和recall）。主要是因为多个标准不好比较算法的效果。比如这个图：



其实如果要兼顾precision和recall，可以采用F1 score。

九、Optimizing and satisficing metrics 

在权衡算法效果和速度的时候，除了可以用类似Accuracy-0.5*RunningTime的方式来比较，还可以采用其他方式，比如：假如可以接受的运行时间是100ms，那么就在这个限制条件下寻找准确率最高的算法。当然，如果你有多个限制条件，比如模型大小，运行时间，算法效果等，那可以在挨个满足条件的前提下找到最好的。还有一个例子是false positive rate和false negative rate，比如你希望在false positive rate为0的前提下降低你的false negative rate。

十、Having a dev set and metric speeds up iterations 

当你拿到一个问题的时候，你要思考这个问题要用什么样的方式解决，然后把这个方式用代码表达出来，最后根据实验结果去思考之前的解决方式是否还有改进的地方，不断迭代。作者给出的这个图非常形象



十一、When to change dev/test sets and metrics 

作者提到在开始一个项目的时候，最好在一周内就能定义出验证集和测试集以及评价标准，而不是花太长的时间去制定和思考。后期当你发现你之前定义的验证集和测试集存在缺陷的时候，就应该尽快修改。这里有三个需要注意的点，如果你有这三种情况，那么就需要修改你的验证集了。 

1、实际的数据分布和你验证集的数据分布不同。 

2、在验证集上过拟合了。 
3、你的评价标准和模型的优化方向不一致。比如你的一个图像分类算法，模型A的准确率比模型B的准确要高，但是有时候模型A容易漏判一些特殊图像，这是不能容忍的，而模型B不会，因此准确讲模型B的效果要比模型A要好。怎么改进呢？可以通过对漏判一些特殊图像做惩罚，而不仅仅用准确率来表征模型优劣。

十二、Takeaways： Setting up development and test sets 

1、你的验证集和测试集要尽可能从你实际应用场景的数据中获取。验证集和测试集不一定要跟你的训练数据有相同分布。（这点我认为最好还是训练集和验证集有相似的分布，如果训练数据和验证数据分布太大，你可能训练多次都难以得到好的效果，）

未完，待补充

ML/DL：关于机器学习、深度学习算法模型的选择

 

 

目录

算法思路

 

 

 

算法思路



 

 

更新……