1. 误差分析
   

• 我们可以手动查看分类错误的子集样本（通常为100个），并统计他们的错误类型
• 在所有错误类型中，选择一种或几种最常见的错误，进行改进。这可以最高效的改进你的模型
• 误差分析的一个限制是：它只能很好的解决人类擅长的问题

2. 添加数据

• 添加数据有三种常见方法：直接添加全新的数据，数据增强，数据合成
• 添加所有类型的全新数据可能又贵又慢，因此添加有针对性的全新数据可以更低成本的改进模型
  
• 在图像和音频领域，数据增强是一种显著增加数据集的方法。
• 数据增强：通过旋转、缩小、方法、增加对比度、镜像变换等改变已有的训练样本，来获得一个全新的训练样本
  
• 数据增强的高级变换例子：在图片上加一个网格，并随机扭曲网格，从而获得一个更丰富的数据集
  
• 数据增强，是在数据中制造更多的噪音，同时最后的结果应当与测试集接近
  
• 数据合成：通常用于计算机视觉领域。上图的例子是使用电脑上的字体，通过不同的对比度，颜色，字体进行截图得到。
  
• AI包括代码（算法或模型）+ 数据，通常我们是以模型为中心来改进我们的系统，但也可以以数据为中心来改进我们的系统