用在优化模型时往往有很多选择，一旦选错了可能白白浪费几个月时间，做出合理的判断、明智的选择非常重要，本课将会传授一些策略，向着最有希望的方向前进
这里的正交化指的是参数的解耦，和 shader 参数解耦一个道理，如果每个参数对效果的影响互相独立不干扰，那么美术跳起来就比较容易达到想要的效果，如果大量参数之间互相有影响，就非常难以调整 正交指的是函数图像正交，两个参数互不影响
我们希望有几个互相正交的参数能够分别调整模型在不同训练集的性能，调整这些参数依次让训练集、开发集、测试集以及用户端表现得足够好，如果一个参数同时影响多个集合的性能，会非常难以调试
单个性能指标有助于快速选择使用哪个模型，对于多个指标（正确率 Precision、回归率 Recall）则可以用一些算法将它们合并为一个指标（F1 Score）
通过将某个参数设定为优化目标（不断迭代提高数值），其他参数设定为满足目标（达到阈值即可），可以保证有一个明确的迭代方向，可以自动选出更好的模型，进而提高开发效率
划分数据集的策略直接影响着团队开发效率
