前言

吴恩达的课程堪称经典，有必要总结一下。
学以致用，以学促用，通过笔记总结，巩固学习成果，复习新学的概念。

目录

文章目录

• 前言
• 目录
• 正文

正文

应用计算机视觉是一个迭代的过程。
将现有数据集划分成训练集，测试集，开发集。
不匹配的训练和测试集。
偏差和方差。
偏差和方差，猫狗分类问题。
高偏差和高方差。
机器学习诊断问题的基本流程。
逻辑斯蒂回归正则化。
神经网络
正则化是如何减少过拟合的？
正则化与拟合程度判断。
正则化如何减少过拟合。
局部失活正则化方法。
实现局部失活。
在预测时测试。
并没有依赖任何一个神经元，因此，效果良好。
样本集不够时可以采取数据增强的方式获得更多的数据。
训练误差过小不一定是模型训练的好，也有可能是过拟合了。
标准化训练集，减去均值，同时除以方差。
梯度消失与梯度爆炸。
单一神经元模型。
检查你的梯度计算。
对一个神经网络的梯度进行计算。
梯度检查。
梯度检查实现笔记。

总结

以上是生活随笔为你收集整理的吴恩达 coursera AI 专项二第一课总结+作业答案的全部内容，希望文章能够帮你解决所遇到的问题。

如果觉得生活随笔网站内容还不错，欢迎将生活随笔推荐给好友。