Course 3-Structuring Machine Learning Projects--Week 2
本週的內容主要包括誤差分析、訓練集與dev/test set的不匹配（主要指數據分佈不同）、遷移學習和端到端學習。 error analysis 如果我們希望學習算法能夠勝任人類能做的任務，但在學習算法還沒有達到人類水平之前，我們要不斷地分析算法的錯誤或問題出現在哪裏，這個過程就稱爲誤差分析。 2.1 carry out error analysis 假設我們在調試一個識別貓的模型，準確率爲90%
相關文章
- 1. Course Machine Learning Note
- 2. Machine Learning Notes Course 3
- 3. Machine learning course note 1
- 4. Machine Learning Course 4 Selection of Model
- 5. COURSE 3 Structuring Machine Learning Projects
- 6. Machine Learning Stanford (week 2)
- 7. Machine Learning Course-CS 156 筆記 3
- 8. Machine Learning Course-CS 156 筆記 5
- 9. Course 3-Structuring Machine Learning Projects--Week 1
- 10. Google's Machine Learning Crash Course #04# First Steps with TensorFlow
- 更多相關文章...
- • Docker Machine - Docker教程
- • Thymeleaf擴展2(Say Hello) - Thymeleaf 教程
- • Java Agent入門實戰（一）-Instrumentation介紹與使用
- • Java Agent入門實戰（三）-JVM Attach原理與使用
相關標籤/搜索
每日一句
-
每一个你不满意的现在，都有一个你没有努力的曾经。
歡迎關注本站公眾號,獲取更多信息
相關文章
- 1. Course Machine Learning Note
- 2. Machine Learning Notes Course 3
- 3. Machine learning course note 1
- 4. Machine Learning Course 4 Selection of Model
- 5. COURSE 3 Structuring Machine Learning Projects
- 6. Machine Learning Stanford (week 2)
- 7. Machine Learning Course-CS 156 筆記 3
- 8. Machine Learning Course-CS 156 筆記 5
- 9. Course 3-Structuring Machine Learning Projects--Week 1
- 10. Google's Machine Learning Crash Course #04# First Steps with TensorFlow