吴恩达机器学习第十周测试

最新推荐文章于 2022-03-14 20:34:58 发布
最新推荐文章于 2022-03-14 20:34:58 发布
阅读量1.8k 收藏 8
点赞数 1
分类专栏： 机器学习 机器学习 文章标签： 机器学习
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/SpicyCoder/article/details/94456706
版权

第一题

在这里插入图片描述
答案
B
分析：当代价函数呈上升趋势的时候，可以试着将学习率减小

第二题

在这里插入图片描述

答案
CD
分析：
A：随机梯度下降并不能并行化，错误。
B：批量梯度下降是在每一次迭代后计算代价函数，错误。
C：在随机梯度下降算法执行之前，先要将样本打乱，正确。
D：在大量数据样本的情况下，随机梯度下降要比批量梯度下降效率高，正确。

第三题

在这里插入图片描述
答案
AD

第四题

在这里插入图片描述
答案
CD

第五题

在这里插入图片描述
答案
ACD

一叶知秋Autumn
关注
  • 1
    点赞
  • 踩
  • 8
    收藏
    觉得还不错? 一键收藏
  • 2
    评论
专栏目录
Coursera-吴恩达-机器学习-第十周-测验-Large Scale Machine Learning
qq1376725255的专栏
12-03 2870
本片文章内容： Coursera吴恩达机器学习课程，第十周 Large Scale Machine Learning 部分的测验，题目及答案截图。 1.cost increase ，说明数据diverge。减小learning rate。 stochastic不需要每步都是减少，每步也有可能出现上升。   凡是需大量计算的算法，便可考虑MapReduce。 随机梯度下降...
coursera-斯坦福-机器学习-吴恩达-第10周笔记-使用大数据训练
和而不流
01-07 5580
coursera-斯坦福-机器学习-吴恩达-第10周笔记-使用大数据训练 coursera-斯坦福-机器学习-吴恩达-第10周笔记-使用大数据训练 大数据下的梯度下降 1 大数据 2 随机梯度下降 3 mini-batch梯度下降 4 随机梯度下降的收敛性 大数据的高级技巧 1在线学习 2 mapreduce 3quiz 1 大数据下的梯度下降 在接下来的几个视频
coursera机器学习每周测验（完整版，包括每节课中间暂停的测验）
04-28
注意：不是编程练习！不是编程练习！不是编程练习！重要的事情说三遍。本资源是coursera机器学习每周每课时（2--11周）的测验题目，包括每节课都有暂停之后的小练习，都是自己截图下来的，是纯英文版的，部分图片里面我个人用FastStone添加了个人理解解题思路，如有问题可以一起交流。coursera机器学习的题目还是很经典的，切中要害，对于复习巩固学过的知识具有莫大的帮助。
斯坦福大学(吴恩达) 机器学习课后习题详解 第五周 神经网络
未来战警
03-22 2185
知乎：https://zhuanlan.zhihu.com/albertwang 微信公众号：AI-Research-Studio ​ ​​ 下面是赞赏码
机器学习吴恩达第十周
qq_42148307的博客
07-26 366
17、大规模机器学习 17.1大型数据集学习 首先应该做的事是去检查一个这么大规模的训练集是否真的必要，也许我们只用 1000个训练集也能获得较好的效果，我们可以绘制学习曲线来帮助判断。 17.2随机梯度下降算法 如果我们一定需要一个大规模的训练集，我们可以尝试使用随机梯度下降法（SGD）来代替批量梯度下降法。 在随机梯度下降法中，我们定义代价函数为一个单一训练实例的代价： 随机梯度下降算法为：首先对训练集随机“洗牌”，然后： 随机梯度下降算法在每一次计算之后便更新参数 ???? ，而不需要首先将所有
机器学习—吴恩达_ 第10周_学习总结
魔芋小灰菜
03-14 2135
机器学习—吴恩达_ 第10周_学习总结 21.11.8-21.11.14 一、无监督学习 在原有的监督学习中，无监督学习和监督学习相比监督学习有标签信息，但是无监督学习是没有标签信息的，我们需要使用特有的函数方法使数据集寻找数据中间的内在关系，如将上图分为两个点集（簇）的算法被称为聚类算法。 K-均值算法 算法接收没有标记的数据集，然后将数据聚类成不同的组。 是一个迭代算法，使用该算法的一般步骤为： 确定需要分的类数量n 选择K个随机的点，称为***聚类中心*** cluster centroid
coursera Machine Learning 第十周 测验quiz答案解析Large Scale Machine Learning
sinat_39805237的博客
01-12 6882
1.选择：D 解析：由于代价函数上升了，所以应该减少学习速率，选择D 2.选择：BC 解析：A并不需要代价函数总是减少，可能会降低故错误。B在运行随机梯度下降算法前最好将样本打乱随机化，正确。C也就随机的优点正确。D并行可不是随机的优点，是映射约减的优点，故错误。 3.选择：CD 解析：A并不一定需要大量的存储空间，如果有连续的大量的数据就不用存储所有数据，故错误。B在线学习...
吴恩达深度学习第二课第一周编程作业
04-11
【标题】：“吴恩达深度学习第二课第一周编程作业” 吴恩达是全球知名的机器学习和人工智能专家，他的深度学习课程深受广大学习者欢迎。这个编程作业属于吴恩达深度学习系列课程的第二部分，第一周的学习内容，旨在...
程序设计与算法 第十周测验
xiewen99的专栏
10-24 1081
程序设计与算法 第十周测验
Coursera机器学习-第十周-Large Scale Machine Learning
BD的笔记
06-23 4875
Gradient Descent with Large DatasetsLearning With Large Datasets 我们已经知道，得到一个高效的机器学习系统的最好的方式之一是，用一个低偏差(low bias)的学习算法，然后用很多数据来训练它。 下面是一个区分混淆词组的例子： 但是，大数据存在一个问题，当样本容量m=1,000时还行，但是当m=100,000,000呢？请看一下
吴恩达-coursera-机器学习测试题第十章
小强博客
08-01 2147
 =========                关于偏差、方差以及学习曲线为代表的诊断法         ========== (一)模型选择Model selection 在评估假设函数时，我们习惯将整个样本按照6:2:2的比例分割：60%训练集training set、20%交叉验证集cross validation set、20%测试集test set，分别用于拟合假设函数、模型选择...
第十周（大规模机器学习）-【机器学习-Coursera Machine Learning-吴恩达】
牧码杭城
03-08 630
目录处理大数据集：    随机的梯度下降    映射化简1 随机的梯度下降 - 随机梯度下降算法对于每一次迭代，只需要对一个样本拟合好就可以了。它只需要一次关注一个样本一点点进行参数调整，这样不需要每一次都等到对所有数据进行扫描，从而降低复杂度 - 效果图：（实际上随机梯度下降会在最靠近全局最小值的区域内徘徊）小批量梯度下降三种梯度下降的比较：2 先进的主题：1）在线学习2）MapReduce和并...
机器学习（第十周）--适用大数据的算法
liyanchang567的博客
06-27 1277
1、随机梯度下降批量梯度下降在运用到样本数据较多的情况下，计算量会非常的大，更适合选用随机梯度下降方式批量梯度下降，在计算θ值过程中每次迭代要读入全体样本数据，每次计算m个加和项迭代随机梯度下降，只考虑一个样本的计算结果，每次迭代只计算一个样本的θ迭代随机梯度下降两种算法迭代方式是不同的批量梯度下降，每次迭代就会逐渐收敛，最终收敛到中心点随机梯度下降，随机梯度下降收敛过程跟样本选取有关，迭代过程会...
机器学习课程笔记（第十周）大规模机器学习
盲人摸象
11-07 187
课程链接https://www.coursera.org/learn/machine-learning 参考文章https://www.cnblogs.com/maxiaodoubao/p/10222170.html 大规模机器学习 Large Scale Machine Learning 用来处理大数据的算法 大数据集的学习 Learning With Large Datasets 如...
第十周编程总结
weixin_30846599的博客
11-23 78
7-1 求奇数和 （15 分） 本题要求计算给定的一系列正整数中奇数的和。 1）实验代码 #include<stdio.h>int main(){ int n,sum=0; scanf("%d",&n); while(n>0) { if(n%2!=0) { sum+=n; } if(n%2==0) { sum=sum;...
无法打开coursera网站解决方案
热门推荐
Tong_jy的博客
05-09 1万+
解决coursera可以登录但无法播放视频，以及无法登录问题 2018-5-8日可用。 解决方法 首先提出解决方法，无论你是mac还是windows还是Linux系统，系统中都会有一个hosts文件。这个文件在各系统中的地址如下。 mac系统 =&amp;amp;gt; /private/etc/hosts Linux系统 =&amp;amp;gt; /etc/hosts mac系统 =&amp;amp;gt; /private...
【解决方案】coursera网页登不上，视频无法打开-20.05.23-
不浪漫宇宙
05-23 4709
点我白嫖coursera疫情时期免费开放课，截止时间7月31日 准备：首先要网上学科，把Http代理调整为全局模式，否则打不开网站qaq 原理介绍 为了方便用户记忆，我们将IP地址变成了一个个的域名，用户不需要去记复杂的数字IP，把这个工作交给了计算机来做。我们键入域名后，计算机来把域名转换成对应的IP。网络上的DNS（Domain Name Server）就是用来进行域名解析的。在GFW（墙）的几种封锁方式中，有一种就是DNS污染，GFW会对域名解析过程进行干扰，主机就无法获取资源。网页打不开和视频加
Coursera连接不上的解决方法
不若乘风来
04-04 1万+
国外的网站就是这样，想上去学习下也总要被途中使上绊子。 最佳的方法是走代\理，先说下如果只是单纯想下下课件什么的比较简单，上 MXTOOLBOX之类的网站查查连接速度比较快的IP，然后修改hosts，位置： C:\Windows\System32\drivers\etc\hosts 我是碰到了不能查看视频的问题，后来一检查s\s只开了自动代\理，视频走的可不是https协议，应该选 Glob
机器学习-学习笔记 学习总结归纳（第十周）
一名小学生的辛酸奋斗史
08-18 720
优化分析优化所谓优化，讲的就是如何求解目标函数在约束条件下的最优解。机器学习、人工智能中的绝大部分问题，到最后基本都会归结为求解优化问题，因此学习优化理论是非常有必要的。这里只是一个非常简单的一个基础，感觉看完了也不会有太大的感触，让我一起来分析分析吧。分析交替迭代乘子算法(ADMM或交替方向乘子算法)用于解决凸优化问题，什么是凸优化问题呢？ 凸优化“ 是指一种比较特殊的优化，是指求取最小值的目标函
吴恩达机器学习笔记：斯坦福大学2014年机器学习课程学习笔记
在第一章中，吴恩达老师对机器学习的基本概念进行了介绍，包括机器学习的定义、机器学习的类型、机器学习的应用等。然后，他对监督学习和无监督学习进行了详细的介绍，包括监督学习的定义、监督学习的类型、无监督...
评论 2
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值