![](https://img-blog.csdnimg.cn/20201014180756754.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
机器学习
毕设从零学习机器学习,学习笔记记录与此。
奇迹皇皇
这个作者很懒,什么都没留下…
展开
-
吴恩达第二课笔记第一周-偏差和方差、正则化、归一化输入、梯度消失与梯度爆炸、梯度检验
1.偏差和方差通过查看训练集和验证集的错误率来判断方差和偏差情况高偏差、和高方差的解决办法不同:2、正则化(用来解决过度拟合问题,减小方差)L2正则化的过程dropout(随机失活)方法进行正则化:...原创 2022-01-25 17:47:22 · 1526 阅读 · 0 评论 -
logistic回归、梯度下降算法、构建神经网络的基础知识--吴恩达第一课笔记
1.二分类与符号表示2.logistic回归模型(可以看做一个非常小的神经网络)(左侧蓝色的表示方法更好)预测值y的值介于0到1之间(i)上标,表示输入的训练集的数据3.损失函数功能:当预测值y帽与测试集中的y越接近,损失函数越小损失函数是衡量单个样本数据的训练情况,而下面的成本函数反映整个样本数据的表现。(成本函数时所有损失函数值求平均得到的)成本函数衡量了参数w和b在训练集上的效果。在训练logistic回归模型时,目的是要找到合适的W和B参数值,使得成本函数的值最小。4.梯原创 2022-01-24 14:11:37 · 859 阅读 · 0 评论