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)+b u=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