Gradient Checking Welcome to this week's third programming assignment! You will be implementing gradient checking to make sure that your backpropagati ...
分类：
Web程序 时间：
2017-12-16 18:32:02
阅读次数：
169
Initialization Welcome to the first assignment of the hyper parameters tuning(超参数调整) specialization. It is very important that you regularize your mod ...
分类：
Web程序 时间：
2017-12-15 00:46:35
阅读次数：
344
【中文翻译】 4、你正在一个超市的自动退房亭工作, 并正在建设一个苹果, 香蕉和桔子分类器。假设您的分类器训练集误差是 0.5%, 并且验证集误差为7%。下面哪些是有希望改进分类器的？(检查所有适用的）（A,C） （A）增加正则化参数 lambda （B）降低正则化参数 lambda （C）获取更多 ...
分类：
Web程序 时间：
2017-12-14 23:50:06
阅读次数：
387
一、weight decay（权值衰减）的使用既不是为了提高你所说的收敛精确度也不是为了提高收敛速度，其最终目的是防止过拟合。在损失函数中，weight decay是放在正则项（regularization）前面的一个系数，正则项一般指示模型的复杂度，所以weight decay的作用是调节模型复杂 ...
分类：
其他好文 时间：
2017-12-07 13:26:09
阅读次数：
125
第八部分内容： 1.正则化Regularization 2.在线学习(Online Learning) 3.ML 经验 1.正则化Regularization 1.1通俗解释 引用知乎作者：刑无刀 解释之前，先说明这样做的目的：如果一个模型我们只打算对现有数据用一次就不再用了，那么正则化没必要了，因 ...
分类：
其他好文 时间：
2017-11-04 11:14:33
阅读次数：
169
一、正则化的假设集合 通过从高次多项式的H退回到低次多项式的H来降低模型复杂度, 以降低过拟合的可能性, 如何退回? 通过加约束条件： 如果加了严格的约束条件, 没有必要从H10退回到H2, 直接使用H2就可以了。 加上松弛点的约束条件, 使得模型比H2复杂, 但到不了H10那么复杂。 二、权重衰减 ...
分类：
其他好文 时间：
2017-10-18 23:12:22
阅读次数：
305
The Multiclass SVM loss for the i-th example is then formalized as follows: Regularization : The most common regularization penalty is the L2 norm tha ...
分类：
其他好文 时间：
2017-09-28 21:38:07
阅读次数：
255
http://blog.csdn.net/l281865263/article/details/50278745 本栏目（Machine learning）包括单参数的线性回归、多参数的线性回归、Octave Tutorial、Logistic Regression、Regularization、神 ...
分类：
其他好文 时间：
2017-09-15 18:50:01
阅读次数：
240
How to decide which regularization (L1 or L2) to use? Is there collinearity among some features? L2 regularization can improve prediction quality in t ...
分类：
其他好文 时间：
2017-09-07 13:32:16
阅读次数：
239
The Problem of Overfitting 如果有太多的 features，假设可能与训练数据太匹配了以致于预测未来的数据不准确。如下图： 解决 overfitting 1. 既然是由太多的 features 引起的，那么就排除一些 features 2. Regularization 不 ...
分类：
系统相关 时间：
2017-09-01 11:52:14
阅读次数：
362
