第11章 启用机器学习的建议
1，决定下一步做什么
模型结果不如意，该怎么办，有很多方法，如上图，但是该选哪个呢？本章教你如何选择。
机器学习诊断
2，评估假设
对于有某种数据的数据，最好是随机选择30%作为测试集。
可以发现，test set error的计算步骤和代价函数有异曲同工之妙。
3，模型选择和训练、验证、测试集
用训练集得到的会比实际的泛化误差低，不能很好地估计训练结果的泛化能力。
训练集，交叉验证集（Cross validation set），测试集
4，诊断偏差与方差
大红色的线代表从欠拟合到正好到过拟合。
区分高偏差（欠拟合）和高方差（过拟合），主要看训练集的误差大小。
5，正则化和偏差、方差
6，学习曲线
高偏差和高方差，学习曲线形状类似，但是高方差的验证集/测试集和训练集的误差差距较大。
7，决定接下来做什么
对待不同情况采取不同措施。
一般是一个隐藏layer，如果想用多个，可以采用一层，两层，三层训练模型，分别计算出交叉验证集的代价函数，看哪个最小。