第一章 神经网络与深度学习(Neural Network & Deeplearning) DeepLearning.ai学习笔记（一）神经网络和深度学习--Week3浅层神经网络 ...

介绍 DeepLearning课程总共五大章节，该系列笔记将按照课程安排进行记录。 另外第一章的前两周的课程在之前的Andrew Ng机器学习课程笔记(博客园)&Andrew Ng机器学 ...

更多笔记请火速前往 DeepLearning.ai学习笔记汇总 本周我们将学习如何配置训练/验证/测试集，如何分析方差&偏差，如何处理高偏差、高方差或者二者共存的问题，如何在神经网络 ...

1. Mini-batch梯度下降法 介绍 假设我们的数据量非常多，达到了500万以上，那么此时如果按照传统的梯度下降算法，那么训练模型所花费的时间将非常巨大，所以我们对数据做如下处理： 如 ...

一、进行误差分析 很多时候我们发现训练出来的模型有误差后，就会一股脑的想着法子去减少误差。想法固然好，但是有点headlong~ 这节视频中吴大大介绍了一个比较科学的方法，具体的看下面的例子 ...

一、调试处理 week2中提到有如下的超参数： α hidden units mini-batch size β layers learning rate decay ...

一、深层神经网络 深层神经网络的符号与浅层的不同，记录如下： 用\(L\)表示层数,该神经网络\(L=4\) \(n^{[l]}\)表示第\(l\)层的神经元的数量，例如\(n^{[ ...

一、为什么是ML策略 如上图示，假如我们在构建一个喵咪分类器，数据集就是上面几个图，训练之后准确率达到90%。虽然看起来挺高的，但是这显然并不具一般性，因为数据集太少了。那么此时可以想到的ML策略 ...