machine learning yearning: 3
2016-12-20 21:01
337 查看
为什么搞出来深度学习?
因为数据量增大后,原来传统的机器学习方法,例如LR,在效果行会出现“plateaus”现象,也就是数据量增加后,效果并不会跟随着变好了,也就是那样了。
而使用神经网络后,会数据量越大,效果越好。
所以深度学习,价值还是很大的。
因为数据量增大后,原来传统的机器学习方法,例如LR,在效果行会出现“plateaus”现象,也就是数据量增加后,效果并不会跟随着变好了,也就是那样了。
而使用神经网络后,会数据量越大,效果越好。
所以深度学习,价值还是很大的。
相关文章推荐
- 1. Why Machine Learning Strategy 为什么需要机器学习策略(《MACHINE LEARNING YEARNING》翻译)
- 2. How to use this book to help your team 如何使用这本书来帮助你的团队(《MACHINE LEARNING YEARNING》翻译)
- 3. Prerequisites and Notation 预备知识和符号约定(《MACHINE LEARNING YEARNING》翻译)
- 4. Scale drives machine learning progress 规模促进了机器学习的发展(《MACHINE LEARNING YEARNING》翻译)
- 纯干货8 吴恩达新书《Machine_Learning_Yearning》_version_5.01分享
- 5. Your development and test sets 你的开发集和测试集(《MACHINE LEARNING YEARNING》翻译)
- Machine Learning Yearning(3、4)
- 7. How large do the dev/test sets need to be? 开发集和测试集多大合适(《MACHINE LEARNING YEARNING》翻译)
- Machine Learning Yearning book draft - 读记(前14章)
- 9. Optimizing and satisficing metrics 优化指标和满足指标(《MACHINE LEARNING YEARNING》翻译)
- Machine Learning Yearning book draft - 读记(更新至Chapters 14)
- 10. Having a dev set and metric speeds up iterations 有一个开发集和评估指标来加速迭代(《MACHINE LEARNING YEARNING》翻
- NG《Machine_Learning_Yearning》笔记
- Machine Learning Yearning(开篇、1、2)
- Machine_Learning_Yearning 翻译与理解
- 11. When to change dev/test sets and metrics 何时更改开发/测试集和评估指标(《MACHINE LEARNING YEARNING》翻译)
- 《MACHINE LEARNING YEARNING》翻译——开篇
- 12. Takeaways: Setting up development and test sets 小结:建立开发集和测试集(《MACHINE LEARNING YEARNING》翻译)
- Machine Learning Yearning(5、6、7)
- CalTech machine learning, video 11 note(overfitting)