吴恩达深度学习专项笔记（八）：减少误差以优化目标

通过前期的学习，我们掌握了多种优化深度学习模型的途径，例如：

• 获取更多的数据样本
• 收集更具多样性的数据集
• 延长模型的训练周期
• 应用更先进的梯度下降技术
• 调整网络规模，包括缩减或扩展
• 引入正则化手段
• ……

面对如此众多的优化方式，若仅依靠逐一尝试的方式进行验证，将极大降低开发效率。在接下来的两周时间里，我们将探讨一系列提升机器学习性能的策略。这些方法将为我们提供具有启发性的思路，在后续优化模型的过程中帮助我们更加清晰地确定下一步行动方向。

学习提示

本周课程内容相对较少，主要对第二门课程第一周中关于偏差与方差分析的部分进行了延伸讲解。完成本周学习后，学员将能够更深入地掌握在全新的机器学习任务中如何设定目标，并借助误差分析等手段不断向目标迈进。

课堂笔记

正交化

在面对诸多优化策略时，如何甄别出具有较高优先级的方案呢？不妨先参考生活中其他事务的相关实例进行分析：

首先，以调整传统电视机为例。这类电视机的显示画面未必能够完全适配屏幕尺寸，因此需要手动调节其显示位置。通常，此类设备配备多个按键，每个