笔记|李宏毅老师机器学习课程，视频17Keras Demo2

△ 是新朋友吗？记得先点数据科学与人工智能关注我哦～

《学习笔记》专栏·第20篇

文 | MLer

728字 | 2分钟阅读

【数据科学与人工智能】开通了机器学习群，大家可以相互学习和交流。请扫描下方二维码，备注：姓名-ML，添加我为好友，诚邀你入群，一起进步。

感谢李宏毅老师的分享，他的课程帮助我更好地学习、理解和应用机器学习。李老师的网站：

http://speech.ee.ntu.edu.tw/~tlkagk/index.html。

这个学习笔记是根据李老师2017年秋季机器学习课程的视频和讲义做的记录和总结。因为这个视频是在Youtube上面，有些朋友可能无法观看，我把它搬运下来放在云盘上面，大家点击阅读原文，就可以直接在手机随时随地观看了。再次，感谢李老师的付出和贡献。

这门课，共有36个视频，每个视频播放的时间不一。我按着视频播放的顺序，观看，聆听和学习，并结合讲义，做学习笔记。我做学习笔记目的有三：

1 帮助自己学习和理解机器学习

2 记录机器学习的重要知识、方法、原理和思想

3 为传播机器学习做点事情

视频17：Keras Demo2

一、Keras Demo2

李老师使用Keras深度学习框架在MNIST数据集做深度学习。

针对模型的性能分析，利用视频16所讲解的内容，指导如何改善模型的性能。

第一步：训练集的性能怎么样？

因为深度学习有时候，在训练阶段，容易坏掉。所以，需要优先考虑训练集上性能是否满足期望。

我们可以在loss、batch_size、激活函数、优化方法上、神经网络的层数、Normalization等进行设计，观察训练集上性能的变化。

第二步：测试集的性能怎么样？

李老师重现这个问题的时候，在测试集上面添加噪声，观察测试集的效果。

发现效果急剧下降。

然后使用Dropout技术来做改善。

更详细的内容，请点击阅读原文，查看视频。

朋友们，在学习中有什么问题或者想法，请加入机器学习群，大家一起讨论，共同进步。

每周一书

1利用Python进行数据分析

2深度学习

课程视频点击                                         

↓↓↓