现在已经看到了很多不同的学习算法，包括线性回归、逻辑回归甚至深度学习或神经网络。

关于如何构建机器学习系统的一些建议

假设你已经实现了正则化线性回归来预测房价，所以你有通常的学习算法的成本函数平方误差加上这个正则化项，但是如果你训练模型，并发现它在预测中犯了不可接受的大错误，当你构建机器学习算法时，你下一步会尝试什么，通常有很多不同的事情你可以尝试，例如，可以决定获得更多的培训示例，因为有更多的数据应该会有所帮助，也许有太多的特征，所以可以尝试一组较小的功能或者希望获得额外的功能，例如找到房屋的附加属性来投入到数据中，并尝试添加多项式特征，如X1²，X2²，X1，X2，以此类推，或者你可能想知道lambda的值是否选的好，所以在任何给定的机器学习应用程序上，这些事情中的一些可能是富有成效的，如何有效构建机器学习算法的关键是，如果你能找到一个很好的方法来选择在哪里投资你的时间。