李宏毅機器學習-part1
目錄 1.中心極限定理的概念 2.正態分佈 3.極大似然估計 4.推導迴歸Loss function 5.損失函數與凸函數之間的關係 6.全局最優和局部最優 7.推導梯度下降公式 8.梯度下降的代碼實現 9.正則化公式的推導 10.L0-Norm,L1-Norm,L2-Norm 11.爲什麼用L1-Norm代替L0-Norm 12.學習爲什麼只對w/Θ做限制，不對b做限制 13.誤差從哪裏來 1.
相關文章
- 1. 【機器學習】李宏毅HW2：Incoming Prediction
- 2. 李宏毅機器學習 Machine_Learning_2019_Task2
- 3. 李宏毅機器學習筆記（1）
- 4. 【ML】 李宏毅機器學習筆記
- 5. 李宏毅機器學習筆記（一）
- 6. 李宏毅機器學習筆記
- 7. 李宏毅機器學習 筆記 01
- 8. 李宏毅機器學習 Machine_Learning_2019_Task 4_Part I
- 9. 機器學習 李宏毅 L36L37-RNN
- 10. 李宏毅機器學習 Task1.1 Introduction
- 更多相關文章...
- • 您已經學習了 XML Schema，下一步學習什麼呢？ - XML Schema 教程
- • 我們已經學習了 SQL，下一步學習什麼呢？ - SQL 教程
- • Tomcat學習筆記（史上最全tomcat學習筆記）
- • 適用於PHP初學者的學習線路和建議
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
