第一章 神經網絡與深度學習(Neural Network & Deeplearning) DeepLearning.ai學習筆記（一）神經網絡和深度學習--Week3淺層神經網絡 ...

介紹 DeepLearning課程總共五大章節，該系列筆記將按照課程安排進行記錄。 另外第一章的前兩周的課程在之前的Andrew Ng機器學習課程筆記(博客園)&Andrew Ng機器學 ...

更多筆記請火速前往 DeepLearning.ai學習筆記匯總 本周我們將學習如何配置訓練/驗證/測試集，如何分析方差&偏差，如何處理高偏差、高方差或者二者共存的問題，如何在神經網絡 ...

1. Mini-batch梯度下降法 介紹 假設我們的數據量非常多，達到了500萬以上，那么此時如果按照傳統的梯度下降算法，那么訓練模型所花費的時間將非常巨大，所以我們對數據做如下處理： 如 ...

一、進行誤差分析 很多時候我們發現訓練出來的模型有誤差后，就會一股腦的想着法子去減少誤差。想法固然好，但是有點headlong~ 這節視頻中吳大大介紹了一個比較科學的方法，具體的看下面的例子 ...

一、調試處理 week2中提到有如下的超參數： α hidden units mini-batch size β layers learning rate decay ...

一、深層神經網絡 深層神經網絡的符號與淺層的不同，記錄如下： 用\(L\)表示層數,該神經網絡\(L=4\) \(n^{[l]}\)表示第\(l\)層的神經元的數量，例如\(n^{[ ...

一、為什么是ML策略 如上圖示，假如我們在構建一個喵咪分類器，數據集就是上面幾個圖，訓練之后准確率達到90%。雖然看起來挺高的，但是這顯然並不具一般性，因為數據集太少了。那么此時可以想到的ML策略 ...