全球有名的线上旅行代理网站 Booking.com（缤客网）分析了他们面向客户的 150 个成功的机器学习应用以及从中得到的六条经验教训。

可怕的机器学习面试。在面试之前，你会觉得自己什么都懂，但是真的开始面试了，你发现你自己什么都不懂！

选择学习率的简单方法是尝试一堆数字，然后使用看起来效果最好的那个，当训练不再能改善损失时，手动减少它。

在机器学习中，有一个叫做“没有免费午餐”的定理。简而言之，它指出，没有一种算法对每一个问题都是最有效的，它尤其适用于监督学习(即预测建模)。

分类的度量

对不同的应用场景，需要不同的模型，对于不同的模型，需要不同的度量评估方式。

假如，你手头上正有一个机器学习的项目。你通过各种渠道手机数据，建立你自己的模型，并且得到了一些初期的结果。你发现，在你的测试集上你只有80%的正确率，这远远地低于你的预期。现在怎么办，你怎么来改进你的模型？

正如我们所知，人工智能将会改变世界。但对抗性数据（adversarial data）带来了一系列问题。

为什么不通过大数据寻找约会对象？

由于技术和工具的进步，机器学习培训项目比以往更容易执行。但是，要获得可靠的结果需要对数据科学和统计学原理有深入的了解，如此才能确保团队从一个坚不可摧的底层数据集开始，这边是成功的基础。

支持向量机（Support Vector Machine，SVM）是众多监督学习方法中十分出色的一种，几乎所有讲述经典机器学习方法的教材都会介绍。关于SVM，流传着一个关于天使与魔鬼的故事。

深度学习方向当下如火如荼，就差跑进楼下大妈的聊天内容了。

评价一个算法的好坏，我认为关键是看能不能解决问题。如果算法能很好地解决实际的问题，那么我认为就是好算法。 比如预测的算法，关键是看预测的准确率，即预测值与实际值之间的接近程度，而不是看算法本身的评分高低。