前言

吳恩達的課程堪稱經典，有必要總結一下。
學以致用，以學促用，通過筆記總結，鞏固學習成果，復習新學的概念。

目錄

文章目錄

• 前言
• 目錄
• 正文

正文

應用計算機視覺是一個迭代的過程。
將現有數據集劃分成訓練集，測試集，開發集。
不匹配的訓練和測試集。
偏差和方差。
偏差和方差，貓狗分類問題。
高偏差和高方差。
機器學習診斷問題的基本流程。
邏輯斯蒂回歸正則化。
神經網絡
正則化是如何減少過擬合的？
正則化與擬合程度判斷。
正則化如何減少過擬合。
局部失活正則化方法。
實現局部失活。
在預測時測試。
并沒有依賴任何一個神經元，因此，效果良好。
樣本集不夠時可以采取數據增強的方式獲得更多的數據。
訓練誤差過小不一定是模型訓練的好，也有可能是過擬合了。
標準化訓練集，減去均值，同時除以方差。
梯度消失與梯度爆炸。
單一神經元模型。
檢查你的梯度計算。
對一個神經網絡的梯度進行計算。
梯度檢查。
梯度檢查實現筆記。

總結

以上是生活随笔為你收集整理的吴恩达 coursera AI 专项二第一课总结+作业答案的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。