Coursera机器学习课程（2016 ）错题集

吴恩达机器学习课后习题 week3 正则化 错题本 别人的第一题答案 我的题目好像不是第四个答案，这道题我做了3遍，都是错误。

吴恩达机器学习课程课后测验，几乎每次都有一道题会错，好烦，做个错题记录吧！

  标准化下 ：（ - （89+72+94+69）/4）/（94-69）=0.52 所以逻辑回归的代价函数总是大于等于0 第三周正则化：

题目一 支持向量机（Support Vector Machine, SVM）是一类按监督学习（supervised learning）方式对数据进行二元分类（binary classification）的广义线性分类器（generalized linear classifier），其决策边界是对学习样本求解的最大边距超平面（maximum-margin hyperplane） ...

Week 3 Regularization 第 1 题 You are training a classification model with logistic regression. Which of the following statements are true? Check  all that apply. A.Introducing regularization to the m...

【解析】It speeds up gradient descent by making it require fewer iterations to get to a good solution. 错误答案：Normal equation 正规方程解无需使用特征缩放；特征缩放并不能令不可逆的X'X变成可逆的；特征缩放不能避免梯度下降法求出局部最优（实际上，这是梯度下降法的一个弊端，一旦求出局部最

目录 Regularization Regularization 正确答案B：Adding a new feature to the model always results in equal or better performance on the training set “大道至简”：正则化的作用是在于限制模型中参数，让模型的参数不会太大，从而减少模型过拟合的可行性；A、D：引入太多容易正则化，模型可能对训练集会对训练集拟合不足，由此在新的examples上也不会表现太好；C：增加特

目录    评估学习算法：    方差和偏差    学习曲线    机器学习系统设计1 评估假设，选择多项式模型利用 测试集误差。线性回归：逻辑回归：当选择多项式模型时：一般进一步划分数据集为训练集60%、验证集20%、测试集20%·利用 训练集 优化参数 theta·使用 验证集 找到最小误差的多项式·使用 测试集 估计泛化误差2 偏差和方差：如何评价一个学习算法1）拟合与偏差/方差欠拟合：高偏...

Coursera-Machine Learning5

目录    K-means算法    PCA（主成分分析）1 K-means1）算法原理：    a 选择聚类中心    b 迭代优化分二步        - 针对每一个样本划分到所属聚类中心        - 针对每一个聚类，重新选取聚类中心（某一类所有点坐标的平均值即为新的聚类中心）2） 优化目标  J ：每一个样本到它所属的聚类中心的距离的平方3） 随机初始化中心局部最优情况：正确情况：为了...

本文深入解析吴恩达Coursera深度学习课程的高效学习方法，提供结构化拆解、动态笔记系统和知识强化机制等实用策略。通过三维度内容分类、双轨制笔记架构和项目驱动学习，帮助学习者将视频内容转化为可调用的知识资产，显著提升深度学习课程的学习效果和知识留存度。

1。 设f是某种功能所以 f（θ0，θ1）输出一个数字。对于这个问题， f是一些任意/未知的平滑函数（不一定是 线性回归的成本函数，因此f可能具有局部最优）。 假设我们使用梯度下降来尝试将f（θ0，θ1）最小  化为θ0和θ1的函数。哪一个 以下陈述是真的吗？（检查所有适用。）   回答：   即使学习率α非常大，梯度下降的每次迭代都会减小f（θ0，θ1）的值。 ...

该系统不仅支持用户注册登录、首页推荐、考试答题、通知公告、考试资讯、反馈建议、知识学习和个人中心等功能，还为管理员提供了强大的后台管理功能，包括用户信息管理、角色管理、知识学习管理、轮播图管理、留言管理、通知公告管理、新闻管理和考试管理等。

目录处理大数据集：    随机的梯度下降    映射化简1 随机的梯度下降 - 随机梯度下降算法对于每一次迭代，只需要对一个样本拟合好就可以了。它只需要一次关注一个样本一点点进行参数调整，这样不需要每一次都等到对所有数据进行扫描，从而降低复杂度 - 效果图：（实际上随机梯度下降会在最靠近全局最小值的区域内徘徊）小批量梯度下降三种梯度下降的比较：2 先进的主题：1）在线学习2）MapReduce和并...

error analysis 当训练猫的分类器时，可以从错误分类的样本中挑选一定比例的样本，如100张，然后列出如下图的表，其中错分成狗为8%,大型猫科动物43%,…,这样我们就能知道下一步该改进哪方面。 标签错误的数据时做法 在训练集时的做法： deep learning is robust to random errors,因此只要是意外、随机的标记错误，并不会怎么影响徐连效果。 在验证集

目录    异常检测    多元高斯分布的异常检测    推荐系统1 异常检测1）正态分布或高斯分布：2）异常检测算法：3）异常检测与监督学习的比较使用异常检测算法的情况- 不正常的样本较少，不利于学习；- 导致不正常的原因有很多，不方便进行学习时4）选择特征当特征不符合正态分布时，可以利用log或者根号等运算改变所有样本该特征值，然后作图观察是否符合正态分布2 多元高斯分布的异常检测1）多元高斯...

目录：    模型表示    例子1 模型表示1）模型原理    输入层   +    隐藏层   +   输出层：    激活单元：    计算中间结点：    从第 j 层到 j+1 层的映射矩阵（权重矩阵）：    权重矩阵的维度为  ( j+1层单元个数 ) * ( j层单元个数 + 1 ) 2） 模型表示向量化2 例子1）实例 AND     得出theta    从而获得假设函数2）实...

本文分享了吴恩达Coursera《深度学习》五门课程的高效学习路线与避坑指南，涵盖课程规划、时间管理、核心难点突破及实战转化技巧。通过详细的进度建议、资源推荐和笔记方法，帮助学习者系统掌握深度学习知识，避免常见学习陷阱，提升学习效率。