吴恩达Machine Learning选择题解析及见解

最新推荐文章于 2021-01-08 12:37:55 发布
最新推荐文章于 2021-01-08 12:37:55 发布
阅读量776 收藏 1
点赞数
分类专栏： 原创 杂项文章 文章标签： 机器学习视频课后答案
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/songhao19/article/details/83188681
版权

第二周：
归一化（normalization）公式：

在这里插入图片描述

梯度下降与正规方程的选取原则

在这里插入图片描述在这里插入图片描述

学习率a的选取：可从0.001, 0.003, 0.01, 0.03, 0.1, 0.3 ,1 3 10这样大概每三倍选取一个数字

拓跋阿秀
关注
  • 0
    点赞
  • 踩
  • 1
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
专栏目录
吴恩达机器学习笔记（一），含作业及附加题答案链接
allen_li123的博客
12-09 1万+
吴恩达机器学习笔记（一） 监督学习 非监督学习 代价函数cost function 梯度下降和线性回归gradient descent and linear regression 梯度下降 多变量梯度下降 特征标准化变量归一法feature normalization 关于alpha学习速率 正规方程normal
MIT关于machine learning 的所有习题和答案
10-01
上传的是关于MIT的machine learning课程中的所有的习题和答案，讲得非常的详细，希望对大家有帮助
吴恩达机器学习视频课提纲+随堂选择练习题——week1机器学习概述&week2单变量线性回归
weixin_41761357的博客
01-04 2243
文章目录前言一、WEEK1:intorduction1 - 1 - Welcome:1 - 2 - What is Machine Learning1 - 3 - Supervised Learning1 - 4 - Unsupervised Learningweek1课后选择题节选二、WEEK2:线性回归2 - 1 - Model Representation2 - 2 - Cost Function2 - 3 - Cost Function - Intuition I &&2 - 4 -
吴恩达机器学习视频课提纲+随堂选择练习题——week10应用机器学习&week11设计机器学习
weixin_41761357的博客
01-08 1659
文章目录一、WEEK 10:应用机器学习的建议(Advice for Applying Machine Learning)10 - 1 - Deciding What to Try Next10 - 2 - Evaluating a Hypothesis10 - 3 - Model Selection and Train_Validation_Test Sets10 - 4 - Diagnosing Bias vs. Variance10 - 5 - Regularization and Bias_Vari
吴恩达深度学习选择题（带解析）
12-25
这是吴恩达老师deep learning.ai即深度学习课程的选择题整理，里面包含博主对每道题的解析，配合网易云课堂教学视频效果更佳，分享给大家！
吴恩达网易云机器学习公开课课后练习答案
10-29
吴恩达网易云机器学习公开课：https://study.163.com/course/courseMain.htm?courseId=1004570029 课程课后编程答案，使用Matlab编程。吴老师的课程浅显易懂，代码框架已书写完成，主要需要学生自行填写必要的函数体。本压缩包是函数体填写完整的，空函数体程序请各位自行在课程列表里下载，也是免费的。
吴恩达机器学习逻辑回归练习题及答案
01-04
本资源中，包含吴恩达机器学习逻辑回归练习题及答案，使用octave编写与课程一致，答案已经根据要求填充到相应的函数文件中。
斯坦福大学(吴恩达) 机器学习课后习题详解 第一周 线性回归
未来战警
02-02 8826
这些习题会发生变化，下面仅供参考 1. 这一题很简单了，是说学生的成绩的，本题问 该训练集的样本数 2. 第二题是在第一题的基础上，来计算的。本题是计算代价函数，在此处直接将theta的值分别带入假设函数，直接计算即可 第三题 实际是说，我们已经得到了theta的值，现在来预测 x=2时的值是多少，直接带入方程即可 3. 这一题实际是考察 梯度下降以及代价函数的概念的 这...
吴恩达机器学习课后习题答案
热门推荐
柠檬黄先生的博客
03-22 1万+
这篇大神 接下来我要开始看机器学习了，争取一个月之内把它看完 课后习题也要跟上！！！ 一个月之后看复习进度
吴恩达 DeepLearning 第二课第一周题目（包括选择题）
苦作舟的人呐
03-08 1635
选择题共10道 编程题下载链接 所有的题目都不提供答案，如果不确定答案的话，可以讨论一下。
吴恩达深度学习第二课第一周编程作业（包括习题、代码、答案、数据集、完美跑通）
12-29
吴恩达深度学习第二课第一周编程作业（包括习题、代码、答案、数据集、完美跑通）。亲测完美跑通。
Coursera machine learning答案
05-06
Coursera机器学习的8个练习所有答案，自己写的
吴恩达机器学习视频课后习题以及答案
08-01
吴恩达教授machine learning 的exercise以及代码与解析
吴恩达deepleaning第四课第四周选择题、编程题
11-20
吴恩达deepleaning课程，第四课第四周选择题、编程题。
吴恩达选择题部分错题整理week3
l8947943的博客
05-11 1768
01_week3_quiz Shallow Neural Networks1。第 1 个问题Which of the following are true? (Check all that apply.)a[2] denotes the activation vector of the 2nd layer.X is a matrix in which each row is one trainin...
斯坦福大学(吴恩达) 机器学习课后习题详解 第八周 编程题 k-means and PCA
未来战警
03-30 3684
编程作业下载地址：https://download.csdn.net/download/wwangfabei1989/10318165 1. PCA.m function [U, S] = pca(X) %PCA Run principal component analysis on the dataset X % [U, S, X] = pca(X) computes eigenvect...
吴恩达-coursera-机器学习测试题第五周
小强博客
07-30 4649
      如果我们使用梯度下降作为我们的优化算法，那么梯度检查是很有用的。但是，如果我们使用的是高级优化方法之一（比如fminunc），它几乎没有什么作用。   假设我们有一个正确的反向传播的实现，并且使用梯度下降来训练一个神经网络。假设我们把J（Theta）J（）作为迭代次数的函数，并且发现它是递增的而不是递减的。一个可能的原因是，学习速率太大了。  ...
斯坦福大学(吴恩达) 机器学习课后习题详解 第五周 神经网络
未来战警
03-22 2174
知乎：https://zhuanlan.zhihu.com/albertwang 微信公众号：AI-Research-Studio ​ ​​ 下面是赞赏码
吴恩达machine learning system design选择题
最新发布
07-29
吴恩达的机器学习系统设计选择题主要包含以下几个方面： 1. 训练集和开发/测试集：选择合适的训练集和开发/测试集对于构建有效的机器学习系统非常重要。我们需要确保训练集和开发/测试集能够代表真实的数据分布，并且在划分数据集时要考虑到数据的随机性和一致性。 2. 性能指标选择：根据具体的问题和需求，选择合适的性能指标来评估机器学习系统的表现。如分类问题可以选择准确率、精确率、召回率等指标，回归问题可以选择均方误差或相关系数等指标。 3. 偏差和方差的平衡：在机器学习系统中，我们通常会面临偏差和方差之间的权衡。通过增加模型的复杂度可以降低偏差，但容易引起方差过高；通过减小模型的复杂度可以减小方差，但容易导致偏差过高。需要根据具体情况选择适当的模型复杂度。 4. 错误分析：在构建机器学习系统时，我们需要进行错误分析来深入了解模型在不同数据集上的表现。通过错误分析，我们可以找出模型存在的问题，并采取相应的措施进行修正和优化。 5. 学习曲线：学习曲线可以帮助我们了解模型的训练过程。通过绘制训练集和开发/测试集的误差随着训练集大小变化的曲线，我们可以判断模型是否出现高偏差或高方差的情况，从而决定是否需要增加更多的训练数据或者调整模型复杂度。 吴恩达强调了以上几个方面的重要性，并提供了相应的选择题帮助我们更好地设计和调整机器学习系统，以获得更好的性能和效果。这些选择题的回答需要结合具体问题和数据情况进行分析和判断，从而做出最合理的决策。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

拓跋阿秀

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值