Deep Learning 的一些思考

问自己的问题

• 不同的算法对数据输入有不同的假设。应该如何预处理数据呢？
• 如何对数据降维，使用什么降维方法呢？
• 如何拆分数据集
• 怎样知道是否出现了过拟合
• 应该是用什么类型的性能指标
• 不同的参数调整会如何影响模型的结果
• 模型组合可以达到更好的结果吗

关于模型的基本假设

基本假设是一个系统运行的基础，然而如果假设是错误的呢？what if the grand truth is not true?   比如假设A 和 A是类似的，喜欢 A 的用户也会喜欢 A，但是实际上用户只能在 A 和 A之间选择一个呢，这时候向购买了 A 的顾客再推荐 A就不合适了.   比如用户已经买了钻戒用来求婚, 那么再推荐钻戒就不好了. 但是如果用户买了啤酒, 那再推荐一些啤酒也很好啊, 因为啤酒很快就喝完了...   维基百科上讲算法的文章一般都写得不怎么样