首页 > 其他 > 详细

吴恩达机器学习入门笔记16/17-大规模机器学习/机器学习中的重要思想

时间:2019-09-19 12:49:44      阅读:100      评论:0      收藏:0      [点我收藏+]

16 大规模机器学习

16.1 随机梯度下降-每次只取一个样本进行梯度下降

技术分享图片

作出cost函数图像

技术分享图片

出现平缓,则需改变特征或改变学习率

16.2 Mini-Batch 梯度下降

每次选取一定数量的样本进行梯度下降,当使用向量化方法并行计算时速度比随机梯度下降更快

17 机器学习中的重要思想

17.1 流水线-OCR

需要文字检测 文字分割 文字识别三大部分

17.1.1 文字检测/行人检测

运用滑动窗口的算法,每次滑动固定步长,识别窗口内的图像

17.1.2 文字分割

训练分类器识别该分割的区域和不该分割的区域,再将扣出的图样进行滑动窗口分割

17.2 获取大量数据

  • 首先用学习曲线检验,确保有低偏差,高方差的分类器,保证大量训练样本可提升分类器
  • 通过人工合成获取大量样本、通过对样本应用失真操作或自己标记数据

17.3 上限分析

通过明确工作流后,人工改进某一模块,判断改进后系统分类正确率提高了多少作为各个模块的上限,完成各个模块上限的分析后,判断改进哪一模块的收益最大,就把工作重点放于该模块

吴恩达机器学习入门笔记16/17-大规模机器学习/机器学习中的重要思想

原文:https://www.cnblogs.com/jestland/p/11548538.html

(1)
(1)
   
举报
评论 一句话评论(0
关于我们 - 联系我们 - 留言反馈 - 联系我们:wmxa8@hotmail.com
© 2014 bubuko.com 版权所有
打开技术之扣,分享程序人生!