具體參考博文http://bigdata.51cto.com/art/201610/519753.htm?utm_source=tuicool&utm_medium=referral，寫得非常棒，而且列出了相關優(yōu)秀博客。

目的：提升性能=提高模型的準確率。

四種方式：

1.從數(shù)據(jù)上提升性能

2.從算法上提升性能

3.從算法調(diào)優(yōu)上提升性能

4.從模型融合上提升性能

性能提升的力度按上表的順序從上到下依次遞減。舉個例子，新的建模方法或者更多的數(shù)據(jù)帶來的效果提升往往好于調(diào)出最優(yōu)的參數(shù)。

（一）從數(shù)據(jù)上提升性能

1）收集更多的數(shù)據(jù)

2）產(chǎn)生更多的數(shù)據(jù)

深度學習算法往往在數(shù)據(jù)量大的時候效果好。由于某些原因你得不到更多的數(shù)據(jù)，也可以制造一些數(shù)據(jù)。

如果你的數(shù)據(jù)是數(shù)值型的向量，那么隨機生成已有向量的變形向量。

如果你的數(shù)據(jù)是圖像，用已有的圖像隨機生成相似圖像。

如果你的數(shù)據(jù)是文本，做法你懂。

這類做法通常被稱為數(shù)據(jù)擴展或是數(shù)據(jù)生成。

3）對數(shù)據(jù)做縮放

4）對數(shù)據(jù)做變換

5）特征選擇

6）重新定義問題

（二）從算法上提升性能

1） 算法的篩選

2）從文獻中學習

3）重采樣的方法

（三）從算法調(diào)優(yōu)上提升性能

1)模型可診斷性

2)權重的初始化

3)學習率

4)激活函數(shù)

5)網(wǎng)絡結構

6)batch和epoch

7)正則項

8)優(yōu)化目標

9)提早結束訓練