该文被密码保护。 阅读全文
摘要：
Welcome to the Deep Learning Nanodegree Foundations Program! In this lesson, you'll meet your instructors, find out about the field of Deep Learning, 阅读全文
摘要：
In this lesson, you'll dive deeper into the intuition behind Logistic Regression and Neural Networks. You'll also implement gradient descent and backp 阅读全文
摘要：
Support Vector machines 为什么人们称一种算法为机器，我也不知道（俄罗斯人发明） 粗略的来说，支持向量机所做的就是去寻找分割线（separating） 或者通常称之为超平面，介于两个类别的数据之间 所以想象一下我们有一些两个不同类别的数据，SVM是一种算法，通过采用这些数据作为 阅读全文
摘要：
Naive Bayes 朴素贝叶斯 Scatter plot 散点图 Decision Surface Linea 决策线 朴素贝叶斯 是一个常见的寻找决策面的算法 Bayes Rule 贝叶斯规则 无人驾驶汽车是一个重要的监督分类（supervised classification）问题 监督：表 阅读全文
摘要：
简介 前面，针对图片训练了简单的逻辑分类器，现在，我们会将该分类器转变为深度网络 只需要几行代码就能搞定，所以一定要确保十分理解之前的内容。 在第二部分，将简单地介绍如何完全通过优化器计算任意函数的斜率 第三部分，将学习一个重要的概念 即规则化，通过规则化我们能够训练更加庞大的模型 参数的数量 目前 阅读全文
摘要：
training set 训练集 validation set 验证集 test set测试集 这些与衡量你做的怎么样有关 当你知道怎么衡量你在一个问题的表现，问题就解决了一半。（衡量表现的重要性） 每个你将建立的分类器都会尝试记住训练集，并且它通常在这方面会做的很好很好 你的工作 是帮助它泛化到新 阅读全文
摘要：
第一周 机器学习的类型，以及何时使用机器学习 我们将首先简单介绍线性回归和机器学习。这将让你熟悉这些领域的常用术语，你需要了解的技术进展，并了解深度学习在更大的机器学习背景中的位置。 直播：线性回归 WEEK 1Types of Machine Learning and when to use Ma 阅读全文
摘要：
我们想要让涉及在损失函数计算中值不要太大或太小 一个好的指导原则是 我们总是想要我们的变量 均值为零 并且尽可能同方差 除了上面说的数值精度问题，当你在做最优化时，也有很好的数学理论让你保持你计算的值，具有均值为零与同方差的性质 在不理想的条件下意味着优化器得做很多搜索去找到一个好的解，如上左图 在 阅读全文
摘要：
softmax模型可以用来给不同的对象分配概率。即使在之后，我们训练更加精细的模型时，最后一步也需要用softmax来分配概率。 cross-entropy 交叉熵是度量这两个向量距离的方法之一。我们将记它为D以表示距离。 labels标签向量经过了one-hot编码，所以会有很多的零，因而它不能作 阅读全文