【学习记录】《DeepLearning.ai》第五课 深度学习的实践层面
第五课 深度学习的实践层面1.1 训练、验证、测试集(Train/Dev/Test sets)总结一下，在机器学习中，我们通常将样本分成训练集(60%)，验证集(20%)和测试集(20%)三部分，数据集规模相对较小，适用传统的划分比例，数据集规模较大的，验证集和测试集要小于数据总量的 20%或 10...
【学习记录】《DeepLearning.ai》深度学习第二课(2)：神经网络的编程基础
深度学习第二课(2)：神经网络的编程基础2.11 向量化(Vectorization)逻辑回归中计算$z=w^Tx+b$，其中$w,x$都是列向量，下面是两种方法的对比:1.循环z=0 for i in range(n_x): z+=w[i]*x[i] z+=b2.向量化z=np.dot(w,x...
【学习记录】《DeepLearning.ai》深度学习第二课(1)：神经网络的编程基础
深度学习第二课(1)：神经网络的编程基础2.1 二分类(binary classification)遍历m个样本的训练集，神经网络通常不进行for循环遍历，神经网络计算中先进行前向传播，后进行反向传播。逻辑回归是一个用于二分类的算法例：加入图片大小为64*64像素，保存图片需要分别保存三个矩阵（红、...
【学习记录】《DeepLearning.ai》深度学习第一课：深度学习引言
深度学习第一课：深度学习引言1.什么是神经网络Relu函数（线性修正函数）对于一个房屋价格预测的神经网络如下：如图所示给定输入变量$x_1,x_2,x_3,x_4$就可以得到对应的输出$y(price)$。神经网络的优势在于：实现神经网络之后，是要输入$x$就能得到对应的输出$y$,它可以自动计算...
本页面内关键词为智能算法引擎基于机器学习所生成，如有任何问题，可在页面下方点击"联系我们"与我们沟通。
