李宏毅机器学习 Machine_Learning_2019_Task2

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