本文主要是介绍吴恩达机器学习笔记十四 多输出的分类 多类和多标签的区别 梯度下降优化 卷积层，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！
这里老师想讲的是multiclass classification和multilable classification的区别，下面是我从其他地方找到的说法:
Multiclass classification 多类分类 意味着一个分类任务需要对多于两个类的数据进行分类。比如，对一系列的橘子，苹果或者梨的图片进行分类。多类分类假设每一个样本有且仅有一个标签：一个水果可以被归类为苹果，也可以 是梨，但不能同时被归类为两类。
Multilabel classification 多标签分类 给每一个样本分配一系列标签。这可以被认为是预测不相互排斥的数据点的属性，例如与文档类型相关的主题。一个文本可以归类为任意类别，例如可以同时为政治、金融、 教育相关或者不属于以上任何类别。
梯度下降优化
Adam(adaptive moment estimation，自适应运动估计)算法
若 w或b 一直沿着 一个方向，Adam算法将自动增大学习率α；若来回震荡，则减小α。
其他类型的层
卷积层
每个神经元只关注前一层的部分输入，优点是能提高计算速度、需要更少的训练数据（减少过拟合的可能）
这篇关于吴恩达机器学习笔记十四 多输出的分类 多类和多标签的区别 梯度下降优化 卷积层的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！
