深度学习吴恩达课程笔记(三)—参数VS超参数—深度学习的实践层面

笔记为自我总结整理的学习笔记，若有错误欢迎指出哟~

【吴恩达课程笔记专栏】

【深度学习】吴恩达课程笔记(一)——深度学习概论、神经网络基础
【深度学习】吴恩达课程笔记(二)——浅层神经网络、深层神经网络
【深度学习】吴恩达课程笔记(三)——参数VS超参数、深度学习的实践层面

吴恩达课程笔记——参数VS超参数、深度学习的实践层面

• 六、参数与超参数的对比
  • • 1. 参数及超参数的差异性分析
    • 2. 超参数的具体含义是什么？
    • 3. 寻找最优超参数值的方法有哪些？

  • 七、深度学习的实际应用层面

  • • 1. 训练集、验证集与测试集（Train / Dev / Test）
    • 2. 偏差与方差（Bias / Variance）
    • 3. 机器学习的基本概念
    • 4. L2正则化方法
    • • 范数的基本定义
      • 正则化的概念界定
      • L2正则化的具体实现方式
      • 正则化机制如何有效防止模型过拟合
    • 5. Dropout（随机失活）技术
    • • 实施的基本流程
      • Dropout方法的局限性
      • Dropout在实际操作中的执行方式
    • 6. 其他形式的正则化手段