李宏毅《机器学习》任务六

总结

01-机器学习介绍

介绍机器学习的概念，监督学习，无监督学习，迁移学习，强化学习等概念

02-回归

介绍回归的概念，应用，线性回归，利用损失函数进行模型评估，使用梯度下降法拟合模型

03-误差和梯度下降

介绍偏差与方差，欠拟合与过拟合，交叉验证方法，梯度下降优化（学习率调节，随机梯度下降法，特征缩放等）

04-深度学习反向传播机制

介绍神经网络的构建，模型的评估，优化函数选择，梯度下降反向传播机制

05-网络设计技巧

介绍局部最小值与鞍点、批次与动量、自动调整学习率等

06-卷积神经网络

介绍CNN的特点，作用，与全连接的关系，卷积、池化的操作，CNN应用的场景

参考：https://blog.csdn.net/weixin_42365443/article/details/119057599
推荐：https://blog.csdn.net/qq_44574333/article/details/109080655