吴恩达 coursera AI 专项二第一课总结+作业答案

前言

吴恩达的课程堪称经典，有必要总结一下。
学以致用，以学促用，通过笔记总结，巩固学习成果，复习新学的概念。

目录

正文

应用计算机视觉是一个迭代的过程。
将现有数据集划分成训练集，测试集，开发集。
不匹配的训练和测试集。
偏差和方差。
偏差和方差，猫狗分类问题。
高偏差和高方差。
机器学习诊断问题的基本流程。
逻辑斯蒂回归正则化。
神经网络
正则化是如何减少过拟合的？
正则化与拟合程度判断。
正则化如何减少过拟合。
局部失活正则化方法。
实现局部失活。
在预测时测试。
并没有依赖任何一个神经元，因此，效果良好。
样本集不够时可以采取数据增强的方式获得更多的数据。
训练误差过小不一定是模型训练的好，也有可能是过拟合了。
标准化训练集，减去均值，同时除以方差。
梯度消失与梯度爆炸。
单一神经元模型。
检查你的梯度计算。
对一个神经网络的梯度进行计算。
梯度检查。
梯度检查实现笔记。