2017年12月17日
斯坦福大学公开课机器学习： advice for applying machine learning - evaluatin a phpothesis（怎么评估学习算法得到的假设以及如何防止过拟合或欠拟合）
摘要： 怎样评价我们的学习算法得到的假设以及如何防止过拟合和欠拟合的问题。 当我们确定学习算法的参数时，我们考虑的是选择参数来使训练误差最小化。有人认为，得到一个很小的训练误差一定是一件好事。但其实，仅仅是因为这个假设具有很小的训练误差，当将其样本量扩大时，会发现训练误差变大了，这说明它不是一个好的假设。比 阅读全文
posted @ 2017-12-17 19:35 橙子牛奶糖 阅读(395) 评论(0) 推荐(1)
斯坦福大学公开课机器学习：advice for applying machine learning - deciding what to try next（设计机器学习系统时，怎样确定最适合、最正确的方法）
摘要： 假如我们在开发一个机器学习系统，想试着改进一个机器学习系统的性能，我们应该如何决定接下来应该选择哪条道路？ 为了解释这一问题，以预测房价的学习例子。假如我们已经得到学习参数以后，要将我们的假设函数放到一组新的房屋样本上进行测试，这个时候我们会发现在预测房价时，产生了巨大的误差，现在我们的问题是要想改 阅读全文
posted @ 2017-12-17 18:13 橙子牛奶糖 阅读(335) 评论(0) 推荐(0)
斯坦福大学公开课机器学习： neural networks learning - autonomous driving example（通过神经网络实现自动驾驶实例）
摘要： 使用神经网络来实现自动驾驶，也就是说使汽车通过学习来自己驾驶。 下图是通过神经网络学习实现自动驾驶的图例讲解： 左下角是汽车所看到的前方的路况图像。左上图，可以看到一条水平的菜单栏（数字4所指示方向），白亮的区段显示的就是人类驾驶者选择的方向。而最右端则对应向右急转的操作（箭头3），中心稍微向左一点 阅读全文
posted @ 2017-12-17 15:26 橙子牛奶糖 阅读(279) 评论(0) 推荐(0)