Open NarcissusInMirror opened 5 years ago
当处于high bias时,增加数据样本对于提升模型性能是没有用的,如上图右侧所示 high variance的特点是验证集的loss和测试集的loss相差较大,此时增加训练样本对是有用的
SVM参数选择
P10
P11线性回归的梯度下降
P14矩阵和向量
P15
P17矩阵的逆和转置
P22 特征和多项回归
P23 Normal Equation正规方程
P24 正规方程中矩阵不可逆
Logistic Regression
P32 分类问题
P33 假设陈述
P34 决策边界 Decision Boundary
P35 Cost Function (其实就是交叉熵)
P38 多元分类:一对多
正则化 Regularization 在另一个issue也提到了这个问题
P39 Overfitting
P40 Cost Function
Advice for applying machine learning
diagnosing bias & variance
regularization and bias & variance
learning curve
deciding what to do next
Machine learning system design
Error analysis
SVM
SVM参数选择![Screenshot 2019-05-14 at 19 24 26](https://user-images.githubusercontent.com/28808216/57694305-f383c700-767d-11e9-94ec-f61fac178795.png)