小姐姐的机器学习、深度学习 (手绘精华笔记)！
p
pythonic生物人约 2 分钟
pythonic生物人约 2 分钟吴恩达的机器学习、深度学习课程是众多小伙伴入门人工智能的重要学习资源，
本次分享
包含数据增强、L1正则化、L2正则化、Dropout、随机池化和提前终止等正则化方法。
课程精华笔记(手绘版)，共计
28页，高清PDF获取见文末
！
笔记作者
Tess Ferrandez，
是这位
Google的工程师，专
注于
.NE开发 (C#)和
Machine Learning (Python)：
以下展示部分，
- 训练集、验证集、测试集
机器学习几个关键步骤：训练集训练模型；再通过验证集挑选最优模型；最后再通过测试集评估模型性能。
下图展示三类数据集分割所需要注意的坑，
- 正则化防止过度拟合
包含数据增强、L1正则化、L2正则化、Dropout、随机池化和提前终止等正则化方法。
- 逻辑回归
logistic回归用于二分类问题，如下图中所示，猫/非猫问题，
输入项 (x)：一张动物图像；
输出项 (y)：是猫 (1)或非猫 (0)........
- 经典卷积神经网络
LeNet·5：第一个卷积神经网络；
AlexNet：第一次在CNN引入ReLU激活函数；
VGG-16：深度very大。
- 最优化
下图展示最优化常出现的问题、应对tips，如数据归一化、数据归一化原因、梯度消失、梯度爆炸、梯度检验等等。
- 最优化方法
下图列举多种最优化算法，如小批量随机梯度下降、RMSProp、Adam等算法。