李宏毅机器学习 Machine_Learning_2019_Task2
理解偏差和方差
学习误差为什么是偏差和方差而产生的,并且推导数学公式
过拟合,欠拟合,分别对应bias和variance什么情况
学习鞍点,复习上次任务学习的全局最优和局部最优
解决办法有哪些
梯度下降
学习Mini-Batch与SGD
学习Batch与Mini-Batch,SGD梯度下降的区别
如何根据样本大小选择哪个梯度下降(批量梯度下降,Mini-Batch)
写出SGD和Mini-Batch的代码
学习交叉验证
学习归一化
学习回归模型评价指标
1,误差:误差由偏差(bias)、方差(variance)和噪声(noise)组成;
3.全局最优 和 局部最优
4. 梯度下降==用以筛选最优的模型(参数w, b)
5. 学习Mini-Batch与SGD
学习Batch与Mini-Batch,SGD梯度下降的区别
如何根据样本大小选择哪个梯度下降(批量梯度下降,Mini-Batch)
写出SGD和Mini-Batch的代码
学习交叉验证
学习归一化
学习回归模型评价指标
https://blog.csdn.net/winds_lyh/article/details/90243291
此博客写的非常好,留坑,日后填