1.1训练，验证，测试集（Train/Dev/Test sets）
（1）深度学习是一个按照下图进行循环的快速迭代的过程，往往需要多次才能为应用程序找到一个称心的神经网络。
（2）在机器学习中，通常将样本分成训练集，验证集和测试集三部分，数据规模相对较小，适合传统的划分比例（如6:2:2），数据集规模比较大的，验证集和测试集要小于数据总量的20%或者10%甚至更低。
（3）交叉验证集和测试集务必来自同分布。
（4）有时候只有训练集和验证集，没有独立的测试集（将无法提供无偏性能评估），这时人们也会把验证集称为测试集。
1.2偏差，方差（Bias/Varicance）
（1）以下三个图分别表示欠拟合（高偏差），适度拟合，过拟合（高方差）：
（2）最优误差也称为贝叶斯误差，本节中假设最有误差为零（如在图像分类中人可以辨别出所有图像的类别）。
（3）训练误差减去左右误差为偏差，结果大说明偏差大；验证集误差减去训练误差为方差，结果大说明偏差大。
（4）是存在高偏差高方差的情况的，如下图，直线导致高偏差，局部过拟合导致高方差：
1.3机器学习基础
（1）偏差和方差是两种完全不同的情况，有分别对应的处理方法，不要盲目的使用一些策略。
（2）在深度学习时代，只要正则适度，通常构建一个更大的网络便可以在不影响方差的同时减少偏差，而采用更多数据通常可以在不过多影响偏差的同时减少方差。
1.4正则化
（1）过拟合常用的两种解决方法：添加正则化项（容易实现），增加更多数据（有时候很难得到更多数据）。
（2）L1正则化往往会使得W最终稀疏，即w向量中很多是0，事实证明它并没有减少太多的存储空间，所以现在越来越多人还是使用L2正则。
（3）L2正则式子如下：
其中
被定义为矩阵中所有元素的平方求和。根据过拟合程度的不同λ值的大小取值也不同，过拟合程度过大，λ值取值稍大些，否则稍小些
（4）正则化常常被称为“权重衰减”，是因为正则项会试图让W变得更小，实际上相当于给矩阵W乘以（1-αλ/m）,如下所示：
1.5为什么正则化有利于预防过拟合
（1）第一种直观理解，首先一个很复杂的神经网络（过拟合）：
然后添加正则项，使λ，这时候很多权重变成0，然后相当于消除了很多隐藏单元，复杂网络变成很简单的网络（欠拟合），从过拟合到欠拟合中间会经历最优拟合的情况，如下图所示：
（2）第二种理解，W实际不会变成零，只会变得非常小，这时候z也会变得非常小，那么根据以下的激活函数，将会在中间线性的地方活动，那么相当与经过很多次线性变换，所以这也导致网络变得简答，消除了过拟合情况。
1.6dropout正则化
（1）原网络如下：
（2）设置keep-prob为0.8（相当于一个d[l]向量中80%为1，百分之20%为零），这个向量与某一层的输出a[l]相乘（与零相乘自然输出就为零了），其网络示意图如下（图中是设置为0.5）：
（3）在上一步乘积之后的值又会除以0.8，如下面的公式，这样可以保证均值不会发生改变（因为单元数减少会导致后面一层的输入减少，通过除以减少量来维持不变）
（4）测试的时候不使用dropout。
1.7理解dropout
（1）直观上理解：不要依赖于任何一个特征，因为该单元的输入可能随时被清除，或者说该单元的输入也都可能被随机清除，因此不愿意在任何一个输入单元上加上太多的权重，会把权重分摊给其他单元，这其实产生了收缩权重的平方范数的效果。
（2）dropout被正式的作为一种正则化的替代方式，L2对不同权重的衰减是不同的，他取决于倍增的激活函数的大小。
（3）不同层之间可以使用不同的keep-prob，一般矩阵W越大的层，越容易导致过拟合，所以keep-prob的值设置的越低（输入层一般为1）（缺点是使用交叉验证需要搜索更多的超参数），如下所示：
（4）计算机视觉中常用dropout,因为像素（特征）太多，数据量太少，常常导致过拟合。
（5）dropout的一大缺点就是代价函数J不再明确定义，每次迭代，都会随机移除一些节点，或者说某种程度上很难准确计算。
1.8其他正则化方法
（1）数据增强：旋转、扭曲、任意裁剪放大等（人为增加数据）。
（2）early stopping:在交叉验证集代价函数（误差率等）下降又上升的拐点处停止，如下图所示：
early stoping的主要缺点就是控制w不太大的时候，也终止的优化代价函数J，而不能向其他方式一样：一方面不断的使代价函数变小，用另外的方式来控制使其不发生过拟合。
1.9归一化输入
（1）归一化需要两步：零均值（减去均值）、归一化方差（除以方差）（测试集用的是训练集的均值和方差做处理，不要再计算测试集的均值方差），其效果如下：
公式分别如下：
x-=μ
x/=σ 2
（2）各特征取值在同一个数量级时（如分别为0-1，-1到1,1-2）时不需要归一化，如果在不同不同数量级时要进行归一化（如0-1，0-1000）。
（3）归一化之后的代价函数如下右图所示（左图为未归一化），归一化之后可以使用更大的学习率，因为每一步都是朝向梯度下降的方向进行的。
1.10梯度消失/梯度爆炸（Vanishing/Exploding gradients）
（1）假设为线性激活函数，忽略b,那么对于以下的网络，有如下的输出：
假设每个权重为：
则有：
他是1.5倍的单位矩阵，y=1.5(L-1)x,这时候输出是随着层数增加呈现指数增大的（梯度爆炸，导数时也有这个性质）；同理，如果把1.5改成0.5时，将会呈现指数减小，即梯度消失（导数时也有这个性质）。
（2）上面虽然只讨论的激活函数的指数级递增递减，但它同样适用于于层数L相关的导数和梯度函数，也是呈现指数级增长或指数递减。
（3）合理的初始化能够较有效（虽然不能完美解决）解决如上问题。
1.11神经网络的权重初始化
（1）z是由参数与特征乘积求和得到，如下式，我们不希望z过大（爆炸）或者过小（消失），所以当特征特别多时，很自然的希望初始化时w能比较小，所以w的初始化应该与各层的输入个数有关。
（2）使用ReLU激活函数时，对w常用的初始化（因为是看输入个数，即上一层的神经元个数）：
（3）使用tanh激活函数时，对w常用的初始化：
（4）其他初始化方法：
（5）以上给出的初始化方差都是默认值，如果想改变方差，可以在上面的公式再乘以一个系数。（通常这一步的调优优先级不高）
1.12梯度的数值逼近
（1）双边误差公式比单边误差公式更准确。
双边误差公式：
、
单边误差公式：
1.13梯度检验
为何进行梯度检验？
神经网络算法使用反向传播计算目标函数关于每个参数的梯度，可以看做解析梯度。由于计算过程中涉及到的参数很多，反向传播计算的梯度很容易出现误差，导致最后迭代得到效果很差的参数值。
为了确认代码中反向传播计算的梯度是否正确，可以采用梯度检验（gradient check）的方法。通过计算数值梯度，得到梯度的近似值，然后和反向传播得到的梯度进行比较，若两者相差很小的话则证明反向传播的代码是正确无误的。
（1）对代价函数的每一个参数进行双边梯度检测：
（2）检查计算值和偏到的欧氏距离，当小于10-7，很好；10-5，需要检查；10-3很可能存在错误。
1.14梯度检验应用的注意事项
（1）不要在训练的时候应该梯度检测，它只用于调试。
（2）如果算法的梯度检验失败，需要检测所有项。
（3）当代价函数含有正则化项时，dθ务必将正则项添加进去，不要漏了。
（4）梯度检验和dropout不要同时使用，梯度检验是关掉dropout。后者的存在将会难以计算代价函数J。
（5）这一点一般情况下不会出现，比较微妙：只有在w,b较小的时候，梯度检验才会正确，所以一般过程是先初始化，然后就进行梯度检验，再进行训练（训练一般会时w,b变大导致梯度检验越来越不准确）。