吴恩达《Machine Learning Yearning》总结(1-10章)
1.为什么选择机器学习策略 案例:建立猫咪图像识别app 系统的优化可以有很多的方向: (1)获取更多的数据集,即更多的图片; (2)收集更多多样数据,如处于不常见的位置的猫的图,颜色奇异的猫的照片等; (3)增加算法迭代次数,使算法训练的更久; (4)尝试添加正则化; (5)改变神经网络的架构(层数,单元的个数等); …… 2.如何使用本书帮助你的团队 本书其实就是帮助做决策,决定改进的策略。 3.先修知识和符号标记 监督学习(supervised learning)主要会介绍:线性回归(linear regression)、逻辑回归(logistic regression)、神经网络(neural network)。 4.规模驱动机器学习非发展 (1)数据可用性(data availability):各种数字设备、智能终端带来了海量的数据。 (2)计算机计算能力的增强(computational scale)。 图说明:小数据集时,可能一些传统的机器学习算法通过人工的设计特征等,其效果会优于深度神经网络,但随着数据量的增强,深度神经网路的优势愈发明显。 5.开发集合测试集的概念 ...