吴恩达深度学习笔记(二)week1深度学习的实用层面
来源:互联网 发布:怎样注册淘宝网店铺 编辑:程序博客网 时间:2024/06/11 02:05
训练集、验证集、测试集
开发机器学习系统是一个高度迭代的过程
循环上面过程的效率决定了ML系统开发的效率,利用交叉验证的方法能有效得提高系统开发效率,交叉验证能很好的避免欠拟合和过拟合。
- 小数据时代:60% / 20% / 20%
- 大数据时代:98% / 1% / 1%(甚至训练集的比例更大)
偏差和方差
机器学习的基本方法
吴恩达老师提供的训练方法:
正则化
针对模型的过拟合,一般可以通过增加训练数据和正则化的方法来解决,但是并不是什么时候都能增加训练数据,这时正则化便能起到很好的作用。以逻辑回归为例,逻辑回归的代价函数如下:
- L2正则化:
- L1正则化:
为什么正则化有利于防止过拟合
我们可以从两方面获得启发式理解。其一,如下图所示,当发生过拟合时,举个极端的例子,把
其二,我们知道当出现了过拟合时说明拟合的模型函数有很多高次方项,而当
标准化输入(Normalizing inputs)
- 零均值化:
μ=1m∑i=1mx(i),x:=x−μ - 归一化方差:
σ2=1m∑i=1mx(i)2,x=x/σ2
为什么要标准化输入 ,因为有的特征取值的跨度比较大,而有的却比较小。如下图所示(以二维特征为例),当特征取值的范围相差比较大时,若不标准化输入则需要一个很小的学习速率才不会导致震荡(某一维度的震荡),标准化输入则可以避免这个问题。
阅读全文
0 0
- 吴恩达深度学习笔记(二)week1深度学习的实用层面
- 《深度学习Ng》课程学习笔记02week1——深度学习的实用层面
- DeepLearning.ai学习笔记(二)改善深层神经网络:超参数调试、正则化以及优化--Week1深度学习的实用层面
- Coursera吴恩达《优化深度神经网络》课程笔记(1)-- 深度学习的实用层面
- Coursera吴恩达《优化深度神经网络》课程笔记(1)-- 深度学习的实用层面
- 吴恩达神经网络和深度学习课程自学笔记(五)之深度学习实用层面
- 吴恩达深度学习笔记(三)week1机器学习策略
- 吴恩达深度学习笔记(一)week1~week2
- 吴恩达深度学习笔记(四)week1卷积神经网络
- 深度学习与神经网络-吴恩达(Part2Week1)-神经网络的实用层面
- [DeeplearningAI笔记]改善深层神经网络_深度学习的实用层面1.9_归一化normalization
- 吴恩达 深度学习 CLass2 Week1 总结
- [DeeplearningAI笔记]改善深层神经网络_深度学习的实用层面1.10_1.12/梯度消失/梯度爆炸/权重初始化
- 深度学习笔记(二)
- 深度学习笔记(二)
- 深度学习笔记二
- 《深度学习Ng》课程学习笔记01week1——深度学习概论
- [DeeplearningAI笔记]改善深层神经网络1.4_1.8深度学习实用层面_正则化Regularization与改善过拟合
- 同步文件(拖取日志)rsync
- GC收集算法与GC收集器
- java中成员变量和局部变量的区别?
- 单例模式
- 图的深度遍历和广度遍历
- 吴恩达深度学习笔记(二)week1深度学习的实用层面
- Android 手机跳转到权限管理界面汇总
- 第五章:初始化与清理
- 杭电新生赛(1005)
- linux文件搜索指令
- (5)Spring实例化Bean
- 【学习C++】学习C++ -> 引用( References )
- 素数
- "无法删除数据库,因为该数据库当前正在使用",删除数据库方法