本章小结与想一想

机器学习的任务由目标决定，学习方式由可用的数据和反馈决定。训练、验证与测试分工明确，预处理沿用一致规则，评价对应实际用途，模型结果才有清楚的含义。CAICP 中有关学习过程和效果判断的问题，往往正是要求辨认这些关系。后面介绍线性回归、分类器和神经网络时，将进一步打开模型内部，观察输入怎样变成预测，以及训练怎样改变这一计算过程。

想一想

1．图书馆想让模型回答两个问题：“这本书会不会逾期归还？”和“它还要几天归还？”前一个要选类别，后一个要报数值。这会怎样影响任务的设置和检查结果的方式？

2．把一盒纽扣交给程序，让它按相似程度分成几堆，却不事先告诉它每颗纽扣属于哪一类。这样的学习需要现成的类别答案吗？分出的堆就一定是人们想要的分类吗？

3．把同一张照片复制十份，再随机放进训练集和测试集，模型的成绩可能很好看。为什么这还不能证明它能识别没见过的照片？划分数据时应该怎样处理这些重复材料？

4．一份表同时记录身高和年龄。把身高从厘米改成毫米，人并没有长高，可按两列数值计算的距离却可能明显改变。为什么换个单位也会影响结果？预处理可以怎样帮助比较？

5．为了增加训练图片，小林把一张“6”旋转，结果看起来成了“9”，却仍保留原来的标签“6”。这次数据增强哪里出了问题？变换图片时，除了清晰度，还要检查什么？

6．100 个苹果中有 98 个好苹果、2 个坏苹果。模型把它们全部判断为好苹果，准确率就有 98%。把它放到专门挑出坏苹果的岗位上，表现真的好吗？它漏掉了什么？