筆記|李宏毅老師機器學習課程，視頻17Keras Demo2
《學習筆記》專欄·第20篇
文 | MLer
728字 | 2分鐘閱讀
【數(shù)據(jù)科學與人工智能】開通了機器學習群，大家可以相互學習和交流。請掃描下方二維碼，備注：姓名-ML，添加我為好友，誠邀你入群，一起進步。
感謝李宏毅老師的分享，他的課程幫助我更好地學習、理解和應用機器學習。李老師的網(wǎng)站：
http://speech.ee.ntu.edu.tw/~tlkagk/index.html。
這個學習筆記是根據(jù)李老師2017年秋季機器學習課程的視頻和講義做的記錄和總結。因為這個視頻是在Youtube上面，有些朋友可能無法觀看，我把它搬運下來放在云盤上面，大家點擊閱讀原文，就可以直接在手機隨時隨地觀看了。再次，感謝李老師的付出和貢獻。
這門課，共有36個視頻，每個視頻播放的時間不一。我按著視頻播放的順序，觀看，聆聽和學習，并結合講義，做學習筆記。我做學習筆記目的有三：
1 幫助自己學習和理解機器學習
2 記錄機器學習的重要知識、方法、原理和思想
3 為傳播機器學習做點事情
視頻17：Keras Demo2
一、Keras Demo2
李老師使用Keras深度學習框架在MNIST數(shù)據(jù)集做深度學習。
針對模型的性能分析，利用視頻16所講解的內(nèi)容，指導如何改善模型的性能。
第一步：訓練集的性能怎么樣？
因為深度學習有時候，在訓練階段，容易壞掉。所以，需要優(yōu)先考慮訓練集上性能是否滿足期望。
我們可以在loss、batch_size、激活函數(shù)、優(yōu)化方法上、神經(jīng)網(wǎng)絡的層數(shù)、Normalization等進行設計，觀察訓練集上性能的變化。
第二步：測試集的性能怎么樣？
李老師重現(xiàn)這個問題的時候，在測試集上面添加噪聲，觀察測試集的效果。
發(fā)現(xiàn)效果急劇下降。
然后使用Dropout技術來做改善。
更詳細的內(nèi)容，請點擊閱讀原文，查看視頻。
朋友們，在學習中有什么問題或者想法，請加入機器學習群，大家一起討論，共同進步。
每周一書
課程視頻點擊
↓↓↓