总结
习题
第一周 - 和平之城中的鸟类识别（案例研究）
这个例子来源于实际项目，但是为了保护机密性，我们会对细节进行保护。
现在你是和平之城的著名研究员，和平之城的人有一个共同的特点：他们害怕鸟类。为了保护他们，你必须设计一个算法，以检测飞越和平之城的任何鸟类，同时警告人们有鸟类飞过。市议会为你提供了10,000,000张图片的数据集，这些都是从城市的安全摄像头拍摄到的。它们被命名为:
y = 0: 图片中没有鸟类y = 1: 图片中有鸟类
你的目标是设计一个算法，能够对和平之城安全摄像头拍摄的新图像进行分类。
有很多决定要做：
评估指标是什么？你如何将你的数据分割为训练/开发/测试集?
成功的指标市议会告诉你，他们想要一个算法：
拥有较高的准确度快速运行，只需要很短的时间来分类一个新的图像。可以适应小内存的设备，这样它就可以运行在一个小的处理器上，它将用于城市的安全摄像头上。
第 71 题
有三个评估指标使您很难在两种不同的算法之间进行快速选择，并且会降低您的团队迭代的速度
A.对 B.不对
第 72 题
经过进一步讨论，市议会缩小了它的标准：
“我们需要一种算法，可以让我们尽可能精确的知道一只鸟正飞过和平之城。” “我们希望经过训练的模型对新图像进行分类不会超过10秒。” “我们的模型要适应10MB的内存的设备。”
如果你有以下三个模型，你会选择哪一个？
A.测试准确度：97%；运行时间：1 sec；内存大小：3MB
B.测试准确度：99%；运行时间：13 sec；内存大小：9MB
C.测试准确度：97%；运行时间：3 sec；内存大小：2MB
D.测试准确度：98%；运行时间：9 sec；内存大小：9MB
第 73 题
根据城市的要求，您认为以下哪一项是正确的？
A.准确度是一个优化指标; 运行时间和内存大小是满意指标。
B.准确度是一个满意指标; 运行时间和内存大小是一个优化指标。
C.准确性、运行时间和内存大小都是优化指标，因为您希望在所有这三方面都做得很好。
D.准确性、运行时间和内存大小都是满意指标，因为您必须在三项方面做得足够好才能使系统可以被接受。
第 74 题
在实现你的算法之前，你需要将你的数据分割成训练/开发/测试集，你认为哪一个是最好的选择？
A.训练集:3,333,334；开发集：3,333,333；测试集：3,333,333
B.训练集:9,500,000；开发集：250,000；测试集：250,000
C.训练集:6,000,000；开发集：3,000,000；测试集：1,000,000
D.训练集:6,000,000；开发集：1,000,000；测试集：3,000,000
第 75 题
在设置了训练/开发/测试集之后，市议会再次给你了1,000,000张图片，称为“公民数据”。 显然，和平之城的公民非常害怕鸟类，他们自愿为天空拍照并贴上标签，从而为这些额外的1,000,000张图像贡献力量。 这些图像与市议会最初给您的图像分布不同，但您认为它可以帮助您的算法。
你不应该将公民数据添加到训练集中，因为这会导致训练/开发/测试集分布变得不同，从而损害开发集和测试集性能
A.对 B.不对
第 76 题
市议会的一名成员对机器学习知之甚少，他认为应该将1,000,000个公民的数据图像添加到测试集中，你反对的原因是：
A.这会导致开发集和测试集分布变得不同。这是一个很糟糕的主意，因为这会达不到你想要的效果
B.公民的数据图像与其他数据没有一致的x->y映射(类似于纽约/底特律的住房价格例子)
C.一个更大的测试集将减慢迭代速度，因为测试集上评估模型会有计算开销
D.测试集不再反映您最关心的数据(安全摄像头)的分布
第 77 题
你训练了一个系统，其误差度如下（误差度 = 100％ - 准确度）： 训练集误差：4.0% 开发集误差：4.5%
这表明，提高性能的一个很好的途径是训练一个更大的网络，以降低4%的训练误差。你同意吗？
A.是的，因为有4%的训练误差表明你有很高的偏差。
B.是的，因为这表明你的模型的偏差高于方差。
C.不同意，因为方差高于偏差。
D.不同意，因为没有足够的信息，这什么也说明不了。
第 78 题
你让一些人对数据集进行标记，以便找出人们对它的识别度。你发现了准确度如下： 鸟类专家1 错误率：0.3% 鸟类专家2 错误率：0.5% 普通人1 (不是专家) 错误率：1.0% 普通人2 (不是专家) 错误率：1.2%
如果您的目标是将“人类表现”作为贝叶斯错误的基准线（或估计），那么您如何定义“人类表现”？
A.0.0% (因为不可能做得比这更好)
B.0.3% (专家1的错误率)
C.0.4% (0.3 到 0.5 之间)
D.0.75% (以上所有四个数字的平均值)
第 79 题
您同意以下哪项陈述？
A.学习算法的性能可以优于人类表现，但它永远不会优于贝叶斯错误的基准线。
B.学习算法的性能不可能优于人类表现，但它可以优于贝叶斯错误的基准线。
C.学习算法的性能不可能优于人类表现，也不可能优于贝叶斯错误的基准线。
D.学习算法的性能可以优于人类表现，也可以优于贝叶斯错误的基准线。
第 80 题
你发现一组鸟类学家辩论和讨论图像，可以得到一个更好的0.1%的性能，所以你将其定义为“人类表现”。在对算法进行深入研究之后，最终得出以下结论： 人类表现 0.1% 训练集误差 2.0% 开发集误差 2.1%
根据你的资料，以下四个选项中哪两个尝试起来是最有希望的？（两个选项）
A.尝试增加正则化。
B.获得更大的训练集以减少差异。
C.尝试减少正则化。
D.训练一个更大的模型，试图在训练集上做得更好。
第 81 题
你在测试集上评估你的模型，并找到以下内容： 人类表现 0.1% 训练集误差 2.0% 开发集误差 2.1% 测试集误差 7.0%
这意味着什么？（两个最佳选项）
A.你没有拟合开发集
B.你应该尝试获得更大的开发集
C.你应该得到一个更大的测试集
D.你对开发集过拟合了
第 82 题
在一年后，你完成了这个项目，你终于实现了： 人类表现 0.10% 训练集误差 0.05% 开发集误差 0.05%
你能得出什么结论？ （检查所有选项。）
A.现在很难衡量可避免偏差，因此今后的进展将会放缓。
B.统计异常(统计噪声的结果)，因为它不可能超过人类表现。
C.有0.09％的进步空间，你应该很快就能够将剩余的差距缩小到0％
D.如果测试集足够大，使得这0.05%的误差估计是准确的，这意味着贝叶斯误差是小于等于0.05的。
第 83 题
事实证明，和平之城也雇佣了你的竞争对手来设计一个系统。您的系统和竞争对手都被提供了相同的运行时间和内存大小的系统，您的系统有更高的准确性。然而，当你和你的竞争对手的系统进行测试时，和平之城实际上更喜欢竞争对手的系统，因为即使你的整体准确率更高，你也会有更多的假阴性结果(当鸟在空中时没有发出警报)。你该怎么办？
A.查看开发过程中开发的所有模型，找出错误率最低的模型。
B.要求你的团队在开发过程中同时考虑准确性和假阴性率。
C.重新思考此任务的指标，并要求您的团队调整到新指标。
D.选择假阴性率作为新指标，并使用这个新指标来进一步发展。
第 84 题
你轻易击败了你的竞争对手，你的系统现在被部署在和平之城中，并且保护公民免受鸟类攻击！ 但在过去几个月中，一种新的鸟类已经慢慢迁移到该地区，因此你的系统的性能会逐渐下降，因为您的系统正在测试一种新类型的数据。
你只有1000张新鸟类的图像，在未来的3个月里，城市希望你能更新为更好的系统。你应该先做哪一个？
A.使用所拥有的数据来定义新的评估指标（使用新的开发/测试集），同时考虑到新物种，并以此来推动团队的进一步发展。
B.把1000张图片放进训练集，以便让系统更好地对这些鸟类进行训练。
C.尝试数据增强/数据合成，以获得更多的新鸟的图像。
D.将1,000幅图像添加到您的数据集中，并重新组合成一个新的训练/开发/测试集
第 85 题
市议会认为在城市里养更多的猫会有助于吓跑鸟类，他们对你在鸟类探测器上的工作感到非常满意，他们也雇佣你来设计一个猫探测器。由于有多年的猫探测器的工作经验，你有一个巨大的数据集，你有100,000,000猫的图像，训练这个数据需要大约两个星期。你同意哪些说法？（选出所有正确项）
A.需要两周的时间来训练将会限制你迭代的速度。
B.购买速度更快的计算机可以加速团队的迭代速度，从而提高团队的生产力。
C.如果10,000,000个样本就足以建立一个足够好的猫探测器，你最好用10,000,00个样本训练，从而使您可以快速运行实验的速度提高约10倍，即使每个模型表现差一点因为它的训练数据较少。
D.建立了一个效果比较好的鸟类检测器后，您应该能够采用相同的模型和超参数，并将其应用于猫数据集，因此无需迭代。
71-85题答案
71.A 72.D 73.A 74.B 75.B 76.AD 77.D 78.B 79.A 80.CD 81.BC 82.AD 83.C 84.A 85.ABC
