章节大纲
-
阅读教材1
- 2.1 深度学习的硬件计算环境
- 2.2 深度学习的软件计算环境
- 2.3 数据集
阅读教材2
阅读教材3
- 1.1 机器学习 10
- 1.2 机器学习的分类 11
- 1.3 机器学习方法三要素 16
- 1.4 模型评估与模型选择 20
- 1.5 正则化与交叉验证 23
- 1.6 泛化能力 26
- 1.7 生成模型与判别模型 29
- 1.8 监督学习应用
-
-
-
-
-
-
-
-
学生必须标记完成
本视频主要讲述了数据集及其拆分、有监督学习、验证集、机器学习算法和特征提取、模型评估等模块的相关内容。此外，还介绍了埃德康是一个开源的p发行版本，包含了多个科学包及其依赖项，以及最简单的训练集和测试集的拆分方法及流除法的不足之处，k折交叉验证相对于流出法的优势，超参数的概念，以及如何通过网格搜索和k折交叉验证来调整超参数，以优化模型性能。
-