前言

吳恩達的課程堪稱經(jīng)典，有必要總結(jié)一下。
學(xué)以致用，以學(xué)促用，通過筆記總結(jié)，鞏固學(xué)習(xí)成果，復(fù)習(xí)新學(xué)的概念。

目錄

文章目錄

• 前言
• 目錄
• 正文

正文

圖像激活的例子
電視調(diào)節(jié)的例子。
機器學(xué)習(xí)的鏈?zhǔn)郊僭O(shè)。
正則化的鏈?zhǔn)郊僭O(shè)。
使用單一指標(biāo)評估原則，在一次訓(xùn)練時僅選取一個指標(biāo)作為優(yōu)化你的目標(biāo)。
使用另一個例子。
常用的評價標(biāo)準(zhǔn)，F1score，召回率。
另一類貓分類問題。
統(tǒng)計和最優(yōu)化指標(biāo)。
貓分類問題，開發(fā)/測試集。
真實案例，訓(xùn)練集和測試集不匹配，白工作了三個月。
指導(dǎo)原則。
訓(xùn)練，開發(fā)和測試分布。
常規(guī)的數(shù)據(jù)劃分方法，但在數(shù)據(jù)集特別大的時候，可以考慮，更改劃分原則。
開發(fā)集的規(guī)模，設(shè)置你的開發(fā)集足夠大來偵測算法和模型里的區(qū)別。
測試集的規(guī)模，測試集的規(guī)模足夠大以使我們對結(jié)果有足夠的置信度。
針對不同的數(shù)據(jù)規(guī)模，采取不同的開發(fā)測試訓(xùn)練集劃分方法。
貓數(shù)據(jù)集劃分方法。
對于貓分類圖片的正交化。
有可能你的訓(xùn)練集和實際訓(xùn)練集不同，最終造成錯誤率增加。
改變測試訓(xùn)練開發(fā)集的分布原則。
和人類級別的性能進行比較。

使用人類處理結(jié)果作為基準(zhǔn)的依據(jù)。
補充材料
偏差和方差。
不同的狀況會導(dǎo)致不同的表現(xiàn)性能。
對于錯誤進行分類與調(diào)試。
拒絕偏差。
人類級別的錯誤率可以作為貝葉斯錯誤率。
錯誤分析例子
偏差誤差分析的總結(jié)。
理解人類級別的性能表現(xiàn)。
超過人類性能的表現(xiàn)。
超過人類級別的表現(xiàn)能力。
監(jiān)督學(xué)習(xí)的兩個基本假設(shè)。
減少偏差和誤差。
提高你的模型性能

與50位技術(shù)專家面對面20年技術(shù)見證，附贈技術(shù)全景圖

總結(jié)

以上是生活随笔為你收集整理的吴恩达 coursera AI 专项三第一课总结+作业答案的全部內(nèi)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(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。