吴恩达不太理解的一些题目

最新推荐文章于 2024-04-13 22:38:36 发布

原创最新推荐文章于 2024-04-13 22:38:36 发布 · 737 阅读

0 ·

CC 4.0 BY-SA版权

文章标签：

#机器学习 #神经网络 #深度学习

博客讨论了Logistic回归的权重初始化对模型学习能力的影响。虽然Logistic回归没有隐藏层，但如果权重初始化为零，模型可能无法有效学习。因为Logistic回归的导数依赖于非零输入，所以在第二次迭代中，非常量输入会导致权重差异，从而进行有效学习。

Week 3

1、Logistic回归的权重w应该随机初始化，而不是全零，因为如果初始化为全零，那么逻辑回归将无法学习到有用的决策边界，因为它将无法“破坏对称性”，是正确的吗？
错，知识点1：只有深层神经网络才不能初始化为零，训练多少次都是每个节点一样的，但Logistic回归没有隐藏层所以无所谓。
2、Logistic回归没有隐藏层。如果将权重初始化为零，则Logistic回归中的第一个示例x将输出零，但Logistic回归的导数取决于不是零的输入x（因为没有隐藏层）。因此，在第二次迭代中，如果x不是常量向量，则权值遵循x的分布并且彼此不同。
我的理解就说x~X分布