吴恩达机器学习训练秘籍整理三十三到三十五章(五)
第三十三章
为何与人类表现水平进行对比:
许多机器学习系统的设计目的是想要自动化一些人类可以处理得很好的事情,可举的例子有图像识别、语音识别以及垃圾邮件分类等等。此外,有许多理由表明在处理人类擅长的任务时,构建机器一个学习系统会更加简单:
1.易于从人为标签中获取数据
2.基于人类直觉进行误差分析
3.使用人类表现水平来估计最优错误率,并设置可达到的“期望错误率”。
面临的难题:
1.很难获取标签数据
2.人类的直觉难以依靠
3.最优错误率和合理的期望错误率难以确定
第三十四章:
如何定义人类表现水平?
如果你的系统目前的误差为 40%,那么不论是让初级医生(10% 误差)还是有经验的医生(5% 误差误)来给你的数据贴上标签,那都没有关系。是如果你的系统误差已经是 10%,那么将人类表现水平定义为 2% 将为你提供更好的途径来改进你的系统。
第三十五章:
超越人类表现水平
假设你的系统在处理识别含有噪音的音频任务时表现已经优于人类,然而在转录语速很快的语音时人类仍然占有优势。因此在机器已经超越人类水平的问题上,进展通常比较慢,而当机器仍在试图赶上人类水平时,进展速度反而更快。
吴恩达机器学习训练秘籍整理三十三到三十五章(五)相关推荐
- 吴恩达机器学习训练1:线性回归(多变量)
吴恩达机器学习训练1:线性回归(多变量) 本小节为练习1中选做题,为多变量(多特征参数)的线性回归计算. 还是预测房价的例子,假设已经两个特征参数,分别是房子的尺寸和卧室的数量,在数据的第一列和第二列 ...
- 【深度之眼吴恩达机器学习第四期】笔记(三)
目录 线性回归 单变量线性回归 梯度下降 多变量线性回归 正规方程 逻辑回归 准备数据 各种函数 决策边界 正则化 比较不同lambda 线性回归 单变量线性回归 准备工作 # 导入需要使用的包 im ...
- 吴恩达机器学习作业思路整理
EX2 对于逻辑回归 --解决分类问题 首先可以通过绘图看出分割线是一元的还是二元的 因为是二分类问题,如果直接是预测函数θ乘以x -y 这样不能保证值只有0和1.因此通过一个变化,外面加g,这样使其 ...
- 吴恩达机器学习训练2:Logistic回归
Logistic Regression问题实则为分类的问题Classification. 1.数学模型 由上图可知,由于最后是要求得y=1的概率,在线性回归的基础上增加了sigmoid函数,将z值映射 ...
- 吴恩达机器学习笔记整理(Week1-Week5)
吴恩达机器学习笔记整理 1. Week1 1.1 什么是机器学习(What is Machine Learning) 1.2机器学习算法分类 1.3 单变量线性回归(Linear Regression ...
- 吴恩达机器学习笔记整理(Week6-Week11)
1. Week 6 1.1 应用机器学习的建议(Advice for Applying Machine Learning) 1.1.1 决定下一步做什么 到目前为止,我们已经介绍了许多不同的学习算法, ...
- 吴恩达机器学习作业Python实现(三):多类分类和前馈神经网络
吴恩达机器学习系列作业目录 1 多类分类(多个logistic回归) 我们将扩展我们在练习2中写的logistic回归的实现,并将其应用于一对多的分类(不止两个类别). import numpy as ...
- 吴恩达机器学习——第三周学习笔记
二元分类(Binary Classfication) 分类,一种方法是使用线性回归,将所有大于0.5的预测映射为1,将所有小于0.5的预测映射为0.然而,这种方法并不能很好地工作,因为分类实际上不是一 ...
- 下载量过百万的吴恩达机器学习和深度学习笔记更新了!(附PDF下载)
今天,我把吴恩达机器学习和深度学习课程笔记都更新了,并提供下载,这两本笔记非常适合机器学习和深度学习入门.(作者:黄海广) 0.导语 我和同学将吴恩达老师机器学习和深度学习课程笔记做成了打印版,放在g ...
最新文章
- IntelliJ IDEA 常用设置注释提示
- 《研磨设计模式》chap24 桥接模式bridge(2)场景应用
- BZOJ 1444 [JSOI2009]有趣的游戏 (AC自动机、概率与期望DP、矩阵乘法)
- 宏BOOST_TEST_ALL_WITH的用法实例
- 在vue3+vite+ ts 项目中使用svg
- Android 的基本组件之一 Gallery
- 如何使用Elixir和Phoenix快速入门构建CRUD REST API
- 面向对象设计原则之2-开放闭合原则
- labelme实例分割_GitHub:图像分割最全资料集锦
- Sql Server REPLACE函数的使用
- myeclipse优化方案 myeclipse 10 优化
- 使用Shader进行UGUI的优化
- grid设置时间格式
- KEIL软件安装教程
- Mac安装 MySQL 及可视化工具
- python3视频教学_Python3入门基础视频课程(下)
- WPF Prism框架介绍
- 华为OD(外包)社招技术二面,总结复盘
- java如何通过域名查ip_Java实现通过IP获取域名,通过域名获取IP
- 产品读书《创业36条军规》
热门文章
- 计量经济学 (2 第2章)
- 易语言 超级列表框 表头禁止来回拖动
- pyinstaller库属于python语言的标准库_Day6----Python的pyinstall库的使用
- 2017全新《计算机网络原理》新书同步终极讲解视频教程-韩利辉-专题视频课程...
- 铁路通信线路、传输及接入网设计规范_信号系统车地传输技术方案讨论
- eclipse如何汉化,把eclipse改成中文版
- raspberry pi (10) 触摸开关传感器,超声波传感器,红外避障传感器
- C语言实现扫雷小游戏(扩展版)
- windows7/10中Excel以单独进程窗口打开设置方法?
- 每周市场观察:多头转空头? | TokenInsight