摘要：
机器学习基础（ Basic Recipe for Machine Learning） 我们训练的目的是找到低偏差、低方差的模型。 首先要保证的是低偏差，这是最低标准，反复尝试，直到可以拟合数据为止，至少能够拟合训练集。 偏差较高时可以考虑采取的方法： 用规模更大的网络 延长训练时间 一旦偏差降低到可 阅读全文
摘要：
偏差，方差（ Bias /Variance） 假设数据集： 如果给这个数据集拟合一条直线，可能得到一个逻辑回归拟合，但它并不能很好地拟合该数据， 这是高偏差（ high bias）的情况， 我们称为“欠拟合（” underfitting）。 相反的如果我们拟合一个非常复杂的分类器，比如深度神经网络或 阅读全文
摘要：
训练，验证，测试集（ Train / Dev / Test sets） 在配置训练、验证和测试数据集的过程中做出正确决策会在很大程度上帮助大家创建高效的神经网络。 通常我们会将数据集分层三类： 训练集:执行算法 验证集，也称作简单的交叉验证集：选择好的模型 测试集：对模型性能进行评估 数据集划分原则 阅读全文