qq_43337502的博客

神经网络与深度学习笔记汇总五将之前掘金写的学习笔记所遇困难搬到这里，方便查看复习遇到问题：报错(未解决)学习内容：1、报错operand should contain 1 column s in条件后面有多个字段，in后面只能有一个字段。我出现该情况于数据库插入数据，我插入的是元组(‘XXXX’,‘XXXX’,‘XXXX’,‘XXX’)但是sql语句只能输一个进去故报错2、报错duplicate entry 1 for key primary’，原因忘记设主键，详情可看https://j

神经网络与深度学习笔记汇总四将之前掘金写的学习笔记所遇困难搬到这里，方便查看复习学习内容​1、在信号处理中认为信号具有较大的方差，噪声有较小的方差，信噪比就是信号与噪声的方差比，越大越好。​2、标准正态分布说明，各个点的纵坐标与均值偏差不大（二维）,这样的话离散型弱，即线性更强，线性回归更好。实际上，线性类模型都需要标准化。​3、标准化-》主要目的是方便数值优化，因为线性类模型都是涉及梯度的​遇到问题：手动导入wordcloud库遇到问题is not a supported whee

神经网络与深度学习笔记汇总二正交化（方便调整参数）迭代单实数评估指标（判断几种手段/方法哪个更好）指标选取训练集、开发集、测试集作用与用途评估指标判断算法是好是坏迁移学习总结结构化机器学习项目正交化（方便调整参数）将你可以调整的参数设置在不同的正交的维度上，调整其中一个参数，不会或几乎不会影响其他维度上的参数变化，这样在机器学习项目中，可以让你更容易更快速地将参数调整到一个比较好的数值迭代是重复反馈过程的活动，其目的通常是为了逼近所需目标或结果。每一次对过程的重复称为一次"迭代"，而每一次迭代得到

神经网络与深度学习笔记汇总一梯度下降法:向量化:代替for循环广播ReLU激活函数逻辑回归损失函数（误差函数）代价函数卷积神经网络梯度下降法:通过最小化代价函数（成本函数）来训练的参数w和b步骤：1、初始化w和b 无论在哪里初始化，应该达到同一点或大致相同的点2.朝最陡的下坡方向走一步，不断地迭代3.直到走到全局最优解或者接近全局最优解的地方m 个样本的梯度下降:向量化:代替for循环向量化实现将会非常直接计算：z=np.dot(w,x)+bu=np.log是计算对数函数()、

@[吴恩达神经网络和深度学习笔记]提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档吴恩达神经网络和深度学习笔记广播A.sum(axis = 0)中的参数axis。axis用来指明将要进行的运算是沿着哪个轴执行，在numpy中，0轴是垂直的，也就是列，而1轴是水平的，也就是行reshape 使用数组的reshape方法，可以创建一个改变了尺寸的新数组，原数组的shape保持不变定义矩阵X等于训练样本，将它们组合成矩阵的各列，形成一个n维或n乘以m维矩阵:可以通过训练样本来进行

神经网络与深度学习笔记汇总三将之前掘金写的学习笔记所遇困难搬到这里，方便查看复习遇到问题：异常值处理学习内容1、.drop() 返回的是一个新对象，原对象不会被改变。2、遇到问题ValueError: The truth value of a Series is ambiguous. Use a.empty, a.bool(), a.item(), a.any() or a.all() 大致意思是数组的真实值不明确多种解决方法，类型改为float，或者用它上面提供的方法学习内容1、标准