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 · 1528 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 · 860 阅读 · 0 评论