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

圖像激活的例子
電視調節的例子。
機器學習的鏈式假設。
正則化的鏈式假設。
使用單一指標評估原則，在一次訓練時僅選取一個指標作為優化你的目標。
使用另一個例子。
常用的評價標準，F1score，召回率。
另一類貓分類問題。
統計和最優化指標。
貓分類問題，開發/測試集。
真實案例，訓練集和測試集不匹配，白工作了三個月。
指導原則。
訓練，開發和測試分布。
常規的數據劃分方法，但在數據集特別大的時候，可以考慮，更改劃分原則。
開發集的規模，設置你的開發集足夠大來偵測算法和模型里的區別。
測試集的規模，測試集的規模足夠大以使我們對結果有足夠的置信度。
針對不同的數據規模，采取不同的開發測試訓練集劃分方法。
貓數據集劃分方法。
對于貓分類圖片的正交化。
有可能你的訓練集和實際訓練集不同，最終造成錯誤率增加。
改變測試訓練開發集的分布原則。
和人類級別的性能進行比較。

使用人類處理結果作為基準的依據。
補充材料
偏差和方差。
不同的狀況會導致不同的表現性能。
對于錯誤進行分類與調試。
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。
理解人類級別的性能表現。
超過人類性能的表現。
超過人類級別的表現能力。
監督學習的兩個基本假設。
減少偏差和誤差。
提高你的模型性能

與50位技術專家面對面20年技術見證，附贈技術全景圖

總結

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。