本书由吴恩达撰写，专为机器学习从业者设计，深入讲解了机器学习策略和技巧，旨在提高开发效率。内容涵盖开发和测试数据集构建、误差分析、偏差和方差处理等关键主题。
吴恩达新书-Machine Learning Yearning
更多好玩的机器学习教程: 进入袋马学院领一份 ，全部免费?.
关注微信公众号：袋马AI
回复：机器学习年鉴
获取PDF版本英文版+中文版文档
吴恩达这本新书面向的用户群体为机器学习从业者，主要介绍机器学习实际使用时的一些策略和技巧，以便为开发指明方向，提升开发效率。
点击查看中文版单页版本
关注公众号：代码AI 回复：机器学习年鉴 获取英文版和中文翻译版下载链接
- 全书目录
- 本书概述
- 构建开发和测试数据集
- 基本的误差分析
- 偏差和方差
- 20.偏差和方差的概念
- 21.举例说明偏差和方差
- 22.向最优的错误率看齐
- 23.方差和偏差的处理方法
- 24.权衡模型的方差和偏差
- 25.减少可避免的偏差方法
- 26.训练数据集上的误差分析
- 27.减少方差的方法
- 学习曲线
- 28.通过学习曲线诊断偏差和方差
- 29.将训练错误率用图形绘制出来
- 30.高偏差时的学习曲线
- 31.其他情况下的学习曲线
- 32.学习曲线绘制技巧
- 与人类的水平进行比较
- 33.为社么要与人类的水平进行比较
- 34.如何定义人类处于什么样的水平
- 35.超越人类的水平
- 训练和测试数据集的分布不一致
- 36.何时使用不同分布的数据集
- 37.是否要将你的所有数据都用起来呢
- 38.是否要使用不一致的数据
- 39.区分不同数据的权重
- 40.从训练数据集泛化到开发数据集
- 41.区分偏差、方差和数据不匹配问题
- 42.处理数据不匹配问题
- 43.人工数据合成
- 算法调试
- 44.优化验证实验
- 45.优化验证实现的一般形式
- 46.强化学习实例
- 端到端深度学习
- 47.端到端学习的兴起
- 48.更多的端到端学习实例
- 49.端到端学习的利与弊
- 50.选择管道组件之数据可用性
- 51.选择管道组件之任务简单化
- 52.让机器学习输出更加丰富的内容
更多好玩的机器学习教程: 进入袋马学院领一份 ，全部免费?.
扫一扫
3531
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
