吴恩达机器学习:week2

吴恩达机器学习笔记week18——应用实例：Photo OCR

吴恩达机器学习笔记week18——应用实例：PhotoOCR18-1.问题描述与.OCR.pipelineProblemdescriptionandOCRpipeline18-2.滑动窗口Slidingwindows18
Saulty·2022-12-10 13:04

【吴恩达机器学习笔记】十六、应用实例：图片文字识别

spm=1011.2415.3001.5343专栏定位：为学习吴恩达机器学习视频的同学提供的随堂笔记。专栏简介：在这个专栏，我将整理吴恩达机器学习视频的所有内容的笔记，方便大家参考学习。
Pandaconda·2022-12-10 13:02

吴恩达机器学习学习笔记——Week 2——多元线性回归（Multivariate Linear Regression）

一、课件及课堂练习1.多个特征值（多变量）课堂练习：2.多元梯度下降课堂练习：3.梯度下降实践1——特征值缩放（均值归一化）课堂练习：4.梯度下降实践2——学习率课堂练习：5.特征数量及多项式回归课堂练习：6.标准方程课堂练习：7.标准方程法可能遇到不可逆问题二、内容概要1.多个特征值2.多元梯度下降3.梯度下降实践1——特征值缩放4.梯度下降实践2——学习率5.特征数量及多项式回归6.标准方程7
预见未来to50·2022-12-10 13:07

吴恩达机器学习笔记（3）——多变量线性回归（Multivariate Linear Regression）

一、多元线性回归的假设形式多元线性回归的假设可表示为：另外，我们定义一个额外的第0个特征向量x0=1，并将特征向量和参数都表示为矩阵形式，则方程变为：二、多元梯度下降法多元线性回归的代价函数为：其中，x(i)j=第i个训练样例中第j个特征量的值。PS：一些实用技巧（通过预处理，让初始的特征量具有同等的地位，才能让机器学习算法更快地学习得到它们的权重θ，这个预处理的过程我们称之为数据标准化（Norm
阿尔基亚·2022-12-10 13:35

【吴恩达机器学习】线性回归习题

一、单变量线性回归在单变量线性回归这一部分中，我们将使用一个变量实现线性回归，以预测食品卡车的利润。假设你是一家餐饮连锁店的老板，并且正在考虑在不同的城市开设新的门店。该连锁店已经在各个城市开了新的分店，并且你有这些城市的利润和人口数据。你想使用此数据来帮助你选择要扩展到的下一个城市。文件ex1data1.txt包含我们线性回归问题的数据集。第一列是城市的人口，第二列是该城市的餐车的利润，利润的负
腾叔·2022-12-10 08:38

[Machinie Learning] 吴恩达机器学习课程笔记——Week1

MachineLearningbyAndrewNg吴恩达机器学习课程学习笔记——Week1学习提纲IntroductionModelandCostFunctionParameterLearningLinearAlgebraReviewIntroductionMachineLearningDefinition
Carsick Car·2022-12-10 01:27

[Machinie Learning] 机器学习课程笔记合订本（更新中）

MachineLearning吴恩达机器学习课程笔记吴恩达机器学习系列吴恩达ML课程笔记——Week1未完待续，持续更新ing…
Carsick Car·2022-12-10 01:57

保姆级教程吴恩达机器学习ex1Matlab代码解析

%%MachinelearningFromAndrewwithMatlabex1%%Byyouknowwho3_3inCSDN#GirlsHelpGirls#DOUBANEZU%1.GradientDescenttogetmintheta%2.CostFucntiontogetbestCostfunctionJwithmintheta%3.PlottheLinearregressionbythem
youknowwho3_3·2022-12-09 15:54

吴恩达机器学习ex1

吴恩达机器学习ex11单变量线性回归1.1数据准备1.2损失函数的定义1.3梯度下降函数1.4可视化损失函数1.5拟合函数可视化2多变量线性回归2.1读取文件2.2特征归一化2.3构造数据集2.4损失函数的定义
每个人都是孙笑川·2022-12-09 15:49

吴恩达机器学习ex6任务1代码

importpandasaspdimportnumpyasnpfromscipy.ioimportloadmatimportmatplotlib.pyplotaspltfromsklearn.svmimportSVC'''===================================函数部分==================================''''''数据分类'''def
Maturisa·2022-12-09 15:42

吴恩达机器学习1——单变量线性回归、梯度下降

目录吴恩达机器学习第一周一、什么是机器学习？
old sweet ᝰ·2022-12-09 12:37

2022吴恩达机器学习课程学习笔记（第二课第三周）

2022吴恩达机器学习课程学习笔记（第二课第三周）决定接下来该做什么模型评估模型选择和训练/交叉验证/测试集通过偏差和方差进行诊断正则化和偏差/方差制定一个用于性能评估的基准学习曲线（修订）决定下一步做什么偏差
Ys能保研·2022-12-09 10:21

吴恩达机器学习python实现2 Logistic回归

Logistic回归0、读取数据defread_dataset(filename,type_tuple,separator=','):withopen(filename)asf:lines=f.readlines()data=[]forlineinlines:line=line[:-1]line=line.split(sep=separator)row=[]foriinrange(len(line
Scarlett1007·2022-12-09 04:24

吴恩达机器学习笔记2——logistic回归3

整体代价函数J(θ)单个样本的代价Cost(h(x),y)，为了使之不要分类写，可以写成上图中下面这一行式子不要忘记logistic回归的h(x)=p(y=1|x,θ),在给定x和θ的前提下，分类为1的概率。如h（x）=0.7，分类为1的概率是70%。梯度下降来最小化代价函数发现用梯度下降算法时，算出来的θ更新的式子貌似和线性回归时一样。但其实由于h（x）不同，所以他们并不相同！
babychrislee3·2022-12-09 02:13

吴恩达机器学习笔记2——logistic回归5

使用logistic回归解决多类别分类问题进行三次分类那么当出现新的需要去分类的数据时，去拟合这三个h（x），选择那个计算出来最高的值的类别，就是这个数据所属的类别。
babychrislee3·2022-12-09 02:13

吴恩达机器学习笔记2——logistic回归2

1.代价函数解释：在输出的预测值是h(x)，实际标签是y的情况下，我们希望学习算法付出的代价。然而，这个代价函数在线性回归里可以，很好用。但是在logistic回归中，就并不适用，会出现一些问题。实际上，用这个代价函数的话，会变成关于θ的非凸函数。因为h(x)本身就是非线性，再去平方加和，更是非线性，就可能会使得代价函数的图形变为下图左边这种图用梯度下降算法的话，可能会找到好多局部最优，但并不一定
babychrislee3·2022-12-09 02:43

吴恩达机器学习课程笔记

吴恩达机器学习几乎每一个和我讨论过的人都同意，人生的最糟糕时期是在11岁到14岁。
大圣齐天Henry-Speed always wins·2022-12-08 19:34

【吴恩达机器学习笔记】十五、大规模机器学习

spm=1011.2415.3001.5343专栏定位：为学习吴恩达机器学习视频的同学提供的随堂笔记。专栏简介：在这个专栏，我将整理吴恩达机器学习视频的所有内容的笔记，方便大家参考学习。
Pandaconda·2022-12-08 17:51

【吴恩达机器学习笔记】十四、推荐系统

spm=1011.2415.3001.5343专栏定位：为学习吴恩达机器学习视频的同学提供的随堂笔记。专栏简介：在这个专栏，我将整理吴恩达机器学习视频的所有内容的笔记，方便大家参考学习。
Pandaconda·2022-12-08 17:49

【CV】吴恩达机器学习课程笔记 | 第1-15章

目录1介绍1-3监督学习1-4无监督学习2单变量线性回归2-2代价函数2-5Batch梯度下降算法4多变量线性回归4-1多特征4-2多元梯度下降法4-3多元梯度下降法I——特征缩放缩放归一化4-4多元梯度下降法演练I——学习率α4-5特征和多项式回归4-6正规方程（NormalEquation）（区别于迭代方法的直接解法）6逻辑回归6-1逻辑分类算法6-2假设表示6-3决策边界6-4代价函数6-4
Fannnnf·2022-12-08 12:21

机器学习入门之PCA与ICA

PCA什么是降维PCA(PrincipalComponentAnalysis)算法流程独立成分分析ICA问题引入算法基于最大似然估计ICA的经典假设与不确定性经典假设不确定性ICA无法确定的因素小结本文为吴恩达机器学习课程的笔记系列第六篇
小菜羊~·2022-12-08 01:30

吴恩达机器学习ex5:偏差和方差

吴恩达机器学习作业五：偏差和方差知识点回顾：在本练习中，您将实现正则化线性回归，并使用它来研究具有不同偏差方差特性的模型。
wssssang·2022-12-07 16:39

吴恩达机器学习ex5 python实现

正则化线性回归这一部分，我们需要先对一个水库的流出水量以及水库水位进行正则化线性归回。然后将会探讨方差-偏差的问题数据可视化importnumpyasnpimportpandasaspdimportscipy.ioassioimportscipy.optimizeasoptimportmatplotlib.pyplotaspltimportseabornassnsdata=sio.loadmat(
枸杞仙人·2022-12-07 15:07

吴恩达机器学习week6 ex5课后编程作业代码答案

EX5linearRegCostFunctionlearningCurvevalidationCurvelinearRegCostFunctionfunction[J,grad]=linearRegCostFunction(X,y,theta,lambda)%LINEARREGCOSTFUNCTIONComputecostandgradientforregularizedlinear%regres
来来·2022-12-07 15:04

保姆级教程吴恩达机器学习ex5Matlab代码解析

%%MachinelearningFromAndrew%%Byyouknowwho3_3inCSDN#GirlsHelpGirls#DOUBANEZU%%RegularizedLinearRegressionandBiasvs.Variance%implementthebackpropagationalgorithmforneuralnetworksand%applyittothetaskofha
youknowwho3_3·2022-12-07 15:34

吴恩达机器学习编程作业ex5 Regularized Linear Regression and Bias v.s. Variance

一、程序及函数1.引导脚本ex5.m%%MachineLearningOnlineClass%Exercise5|RegularizedLinearRegressionandBias-Variance%%Instructions%------------%Thisfilecontainscodethathelpsyougetstartedonthe%exercise.Youwillneedtoco
Polaris_T·2022-12-07 15:02

Coursera吴恩达机器学习week6的ex5编程作业代码

Machine-learning-ex5这是Coursera上Week6的ml-ex5的编程作业代码。经过测验，全部通过。具体文件可以进入我的github包括以下4个文件：%linearRegCostFunction.m%learningCurve.m%polyFeatures.m%validationCurve.mlinearRegCostFunction.mfunction[J,grad]=l
loserChen.·2022-12-07 15:59

吴恩达机器学习ex4代码

importnumpyasnpimportmatplotlib.pyplotaspltimportscipy.ioassiofromscipy.ioimportloadmatimportscipy.optimizeasoptfromsklearn.metricsimportclassification_report'''=======================================
Maturisa·2022-12-07 15:24

第06周:吴恩达机器学习课后编程题ex5方差偏差——Python

在本练习中，您将实现正则化线性回归并将其用于研究具有不同偏差方差特性的模型。1RegularizedLinearRegression正则化线性回归在练习的前半部分，您将使用正则化线性回归从流出大坝的水量预测水库中的水位。在下半部分，您将完成一些调试学习算法的诊断，并检查偏差与方差的影响。1.1Visualizingthedataset可视化数据集该数据集分为三个部分：•您的模型将学习的训练集：X,
MANDYBOOM·2022-12-07 15:52

吴恩达机器学习ex5代码

importnumpyasnpimportpandasaspdfromscipy.ioimportloadmatimportmatplotlib.pyplotaspltimportscipy.optimizeasopt'''===================================函数部分==================================''''''数据可视化'''d
Maturisa·2022-12-07 15:49

机器学习笔记week2——最大似然估计，交叉熵，分类指标F1、ROC等

文章目录1梯度更新方式1.1凸集1.2凸函数2线性回归矩阵形式2.1奇异矩阵3最大似然估计4逻辑回归4.1交叉熵损失函数5分类指标1梯度更新方式1.1凸集凸集：一个点集S被称为凸集，当且仅当该S里的任意两点A和B的连线上任意一点同样属于Stx1+(1−t)x2∈Stx_{1}+(1-t)x_{2}\inStx1+(1−t)x2∈Sforallx1,x2∈S,0≤t≤1x_{1},x_{2}\inS
shiinerise·2022-12-07 13:43

机器学习（Machine Learning）

简介bili吴恩达机器学习这是一门让计算机在没有明确编程的情况下学习的科学。亚瑟·塞缪尔(1959)：赋予计算机学习能力而不被明确编程的研究领域。机器学习作为人工智能的一个子领域。
YYYMarshal·2022-12-07 13:06

吴恩达机器学习笔记——代价函数的定义

对应第1周costfunction视频。本次课前半段内容非常简单，带领我们一起复习初中平面几何的知识，后半段给出了代价函数（Costfunction）的一般定义。从一元线性模型看代价函数的引入；代价函数的数学定义。1.从一元线性模型看代价函数的引入上一节课，卖房子的那个训练集，我们说用一个直线的方程来拟合它们。如下图，在下面假设的直线方程。\theta_{0},\theta_{1}的变化，会改变直
高博士_嵌入式·2022-12-07 07:48

吴恩达机器学习系列课程笔记——第一章：什么是机器学习(Machine Learning)

1.1欢迎https://www.bilibili.com/video/BV164411b7dx?p=1第一节主要讲了什么是机器学习，机器学习能做些什么事情。机器学习是目前信息技术中最激动人心的方向之一。在这门课中，你将学习到这门技术的前沿，并可以自己实现学习机器学习的算法。你或许每天都在不知不觉中使用了机器学习的算法。每次，你打开谷歌、必应，搜索到你需要的内容，正是因为他们有良好的学习算法。谷歌
Lishier99·2022-12-07 07:48

吴恩达机器学习课程02——模型描述与代价函数

目录模型描述代价函数暂时写这么多，谢谢大家，有错误请不吝指正~模型描述TrainingSet：首先提供数据集LearningAlgorithm：学习算法h(hypothesis)：假设函数x：输入特征y：输出目标通俗一点讲，就是提供给我训练数据集（TrainingSet）并采用某学习算法（LearningAlgorithm）进行训练得到我的假设函数（h），然后对于测试集的每一条样本数据特征（x࿰
CtrlZ1·2022-12-07 07:15

2022吴恩达机器学习课程学习笔记（第一课第三周）

2022吴恩达机器学习课程学习笔记（第一课第三周）动机与目的逻辑回归决策边界逻辑回归中的代价函数逻辑回归损失函数的定义逻辑回归损失函数的理解逻辑回归代价函数的定义实现梯度下降过拟合问题过拟合定义解决过拟合正则化正则化工作原理用于线性回归的正则化方法用于逻辑回归的正则化方法动机与目的只有两个可能输出的分类问题成为二元分类
Ys能保研·2022-12-07 07:09

2022吴恩达机器学习课程学习笔记（第一课第一周）

2022吴恩达机器学习课程学习笔记（第一课第一周）欢迎参加《机器学习》课程机器学习应用机器学习定义定义（非正式）主要类型监督学习定义特征类型无监督学习定义特征类型JupyterNotebook线性回归模型定义举例
Ys能保研·2022-12-07 07:08

2022吴恩达机器学习课程——第一课

注：参考B站视频教程视频链接：【(强推|双字)2022吴恩达机器学习Deeplearning.ai课程】文章目录第一周一、监督学习与无监督学习二、线性回归三、梯度下降第二周一、向量化二、特征缩放第三周一
now_try_·2022-12-07 07:37

吴恩达机器学习笔记 —— 15 降维

吴恩达机器学习笔记——15降维本章重点讲述了降维方法以及其中最主要的PCA主成分分析的原理、使用更多内容参考机器学习&深度学习降维的作用：数据压缩与可视化降维的第一个作用就是进行数据的压缩，解决磁盘和计算的问题
xing halo·2022-12-06 12:01

吴恩达机器学习笔记（十三）——降维

1.降维应用：数据压缩降维首先是可以用于数据压缩的，例如将2维数据降维成一维数据，就可以将存储量减小一半，如下图所示：又如下面从三维降至二维的数据所示：2.降维应用：可视化降维还可以将原本无法可视化的数据通过降维从而进行可视化。如下图是各国的各项数据，因为特征较多，因此无法进行可视化：通过降维成二维数据，我们就可以进行可视化了，如下图所示：3.PCA问题规划1首先从视觉上感受一下PCA的效果：假设
XHHP·2022-12-06 12:29

吴恩达机器学习笔记——降维与PCA算法

PCA算法是一种强大的无监督学习算法。降维与线性回归降维的过程最常用的算法是主成分分析算法（PCA）。降维将数据投影到一个k维度空间上（比如直线或平面）然后最小化投影误差的平方和。PCA算法降维时找到直线方向向量最小化偏差距离时使用的正交距离（称为投影误差）线性而回归问题是用最小代价拟合直线时使用的是竖直距离同时回归中横纵轴的地位是不同的一个是标签一个是特征但pac中是平等的。PCA算法流程执行均
草莓甜Swag·2022-12-06 12:27

[中英字幕]吴恩达机器学习系列课程 笔记

[中英字幕]吴恩达机器学习系列课程笔记教程与代码地址P11-1.欢迎参加《机器学习》课程P21-2.什么是机器学习？
电信保温杯·2022-12-06 12:25

吴恩达机器学习 笔记九 PCA降维

1.数据降维  数据降维的动力主要来自数据压缩和数据可视化。下图中的数据虽然是在一个三维空间里，但是用一个二维的平面基本上就是可以描述出来的，所以我们可以把数据降到二维。2.PCA算法第一步是均值归一化。我们需要计算出所有特征的均值，然后令。如果特征是在不同的数量级上，我们还需要将其除以标准差。第二步是计算协方差矩阵（covariancematrix）：第三步是计算协方差矩阵的特征向量（eigen
qsdzxp·2022-12-06 12:24

吴恩达机器学习笔记之降维

第二类无监督学习问题，叫做降维（DimensionalityReduction）。方法有数据压缩和可视化。数据压缩：数据压缩不仅可以减少数据在我们计算机当中的存储空间，还可以加速我们算法的学习过程。如图所示，我们将三维数据压缩到二维数据。首先我们观察到数据差不多都分布在同一个平面上，因此我们将数据投影到一个二维平面，然后就将可以将三维数据压缩到二维数据。可视化：将高维数据降到低维，比如3维或者2维
iblue_coffee·2022-12-06 12:49

吴恩达机器学习课程笔记.pdf

个人认为：吴恩达老师的机器学习课程，是初学者入门机器学习的最好的课程！我们整理了笔记（336页），复现的Python代码等资源，文末提供下载。课程简介课程地址：https://www.coursera.org/course/mlMachineLearning(机器学习)是研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能。它是人工智能的核心，
风度78·2022-12-06 12:49

吴恩达机器学习课程笔记.docx

个人认为：吴恩达老师的机器学习课程，是初学者入门机器学习的最好的课程！我们整理了笔记（336页），复现的Python代码等资源，包括原版的docx文件，文末提供下载。课程简介课程地址：https://www.coursera.org/course/mlMachineLearning(机器学习)是研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性
风度78·2022-12-06 12:49

【吴恩达机器学习笔记】十三、异常检测

spm=1011.2415.3001.5343专栏定位：为学习吴恩达机器学习视频的同学提供的随堂笔记。专栏简介：在这个专栏，我将整理吴恩达机器学习视频的所有内容的笔记，方便大家参考学习。
Pandaconda·2022-12-06 12:18

吴恩达机器学习笔记-无监督学习

机器学习-无监督学习一、什么是无监督学习二、聚类算法(无监督学习)1、聚类算法的应用2、K-Means算法算法流程--图例算法流程--文字描述K-means分离不佳簇问题K-means代价函数K-means的随机初始化如何选取聚类数量K代码实例(鸢尾花)三、PCA降维1.什么是降维2.主成分分析方法(principalcomponentsanalysis，PCA)文字方式描述PCAPCA过程(n维
快乐活在当下·2022-12-06 12:17

【吴恩达机器学习笔记】十二、降维

spm=1011.2415.3001.5343专栏定位：为学习吴恩达机器学习视频的同学提供的随堂笔记。专栏简介：在这个专栏，我将整理吴恩达机器学习视频的所有内容的笔记，方便大家参考学习。
Pandaconda·2022-12-06 12:43

吴恩达机器学习作业Python实现(四)：神经网络(反向传播)

目录神经网络可视化数据模型表示前向传播展开参数数据编码转化代价函数初始化参数正则化代价函数反向传播Sigmoid的梯度函数随机初始化反向传播梯度检测正则化神经网络参数优化可视化隐含层参考文章神经网络上一次练习中，实现了前馈神经网络，并用于预测手写数字，在本练习中，我们将实现反向传播算法来学习神经网络的参数可视化数据这部分实现随机选取100个样本并可视化。训练集共有5000个训练样本，每个样本是20
Hyxx.·2022-12-05 13:23
上一页 7 8 9 10 11 12 13 14 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他