一、监督学习和无监督学习
二、梯度下降,深度学习的核心
三、线性回归的梯度下降
四、线性代数部分
五、多变量的线性回归
六、多元梯度下降
七、特征和多项式回归
八、正规方程
九、Logistic回归
十、代价函数
十一、一对多分类
十二、过拟合和正则化
十三、线性回归正则化
十四、神经网络
十五、反向传播算法
十六、梯度检测
十七、BP神经网络
十八、算法性能评估
十九、模型的选择
一、监督学习和无监督学习
二、梯度下降,深度学习的核心
三、线性回归的梯度下降
四、线性代数部分
五、多变量的线性回归
六、多元梯度下降
七、特征和多项式回归
八、正规方程
九、Logistic回归
十、代价函数
十一、一对多分类
十二、过拟合和正则化
十三、线性回归正则化
十四、神经网络
十五、反向传播算法
十六、梯度检测
十七、BP神经网络
十八、算法性能评估
十九、模型的选择