作为数据科学和机器学习相关的研究和开发人员，大家每天都要用到 python。在本文中，我们将讨论一些 python 中的顶级库，开发人员可以使用这些库在现有的应用程序中应用、...
发简信
IP属地：四川
-
2019必学的10大顶级Python库 -
吴恩达深度学习笔记(34)-你不知道的其他正则化方法
除了L2正则化和随机失活（dropout）正则化，还有几种方法可以减少神经网络中的过拟合: 一.数据扩增 假设你正在拟合猫咪图片分类器，如果你想通过扩增训练数据来解决过拟合，...
-
吴恩达深度学习笔记(33)-带你进一步了解Dropout
理解 dropout（Understanding Dropout） Dropout可以随机删除网络中的神经单元，他为什么可以通过正则化发挥如此大的作用呢？ 直观上理解：不要依...
-
机器学习系统设计的算法评估与误差分析本文是coursera上吴恩达老师的machinelearning课程第六周的个人笔记，如果有幸被同好看到，可以在留言中指出我的问题或者一起讨论！ 一、算法评估 1、数据集的...
-
吴恩达深度学习笔记(32)-Dropout正则化Dropout Regularization
dropout 正则化（Dropout Regularization） 除了L2正则化，还有一个非常实用的正则化方法——“Dropout（随机失活）”，我们来看看它的工作原理...
-
吴恩达深度学习笔记(31)-为什么正则化可以防止过拟合
为什么正则化有利于预防过拟合呢？（Why regularization reduces overfitting?） 为什么正则化有利于预防过拟合呢？为什么它可以减少方差问题？...
-
吴恩达深度学习笔记(30)-正则化的解释
正则化（Regularization） 深度学习可能存在过拟合问题——高方差，有两个解决方法， 一个是正则化， 另一个是准备更多的数据， 这是非常可靠的方法，但你可能无法时时...
-
吴恩达深度学习笔记(29)-神经网络训练的方差和偏差分析
这一节我们学习在神经网络学习训练时出现的结果进行分析，偏差和方差的表现和优化，仔细看好咯~ 偏差，方差（Bias /Variance） 几乎所有机器学习从业人员都期望深刻理解...
