吴恩达机器学习:week2

hgame-2018 CTFwp（杭电信安）week2

草莓社区-1描述flag在../flag.php中知识点：LFIURLhttp://118.25.18.223:10011/基准分数100当前分数100完成人数118提示很清楚，简单的本地包含：payload：http://118.25.18.223:10011/show_maopian.php?mao=../flag.php一开始以为不对，F12找了源文件，发现flag的base64码。解得：>
「已注销」·2020-08-11 06:48

【Machine Learning, Coursera】机器学习Week2 Normal Equation

LinearRegressionwithMultipleVariables——NormalEquation对于线性回归问题，用梯度下降法求解参数需要选择α，并且需要多步迭代才能收敛到全局最小值，而用正规方程法可以一次性求解参数。AndrewNg在视频中直接给出了正规方程求解参数的计算结果θ=(XTX)−1XTyθ=(XTX)−1XTy本篇文章给出了一种可能的推导方法。一、矩阵运算预备知识1.1矩阵
Aki-Z·2020-08-11 05:46

吴恩达机器学习第五周编程作业ex4答案

nnCostFunction.ma1=[ones(m,1)X];%5000x401z2=a1*Theta1';%5000x25Theta125*401a2=sigmoid(z2);%5000x25a2=[ones(m,1)a2];%5000x26z3=a2*Theta2';%5000x10Theta210×26a3=sigmoid(z3);%5000x10h=a3;%5000x10u=eye(nu
煜明·2020-08-11 00:19

吴恩达机器学习第六周编程作业ex5答案

linearRegCostFunction.mJ=1/(2*m)*sum((X*theta-y).^2)+lambda/(2*m)*(sum(theta.*theta)-theta(1)*theta(1));gradient=1/m*X'*(X*theta-y);%没有sumgrad=gradient+lambda/m*theta;grad(1)=gradient(1);learningCurve
煜明·2020-08-11 00:19

吴恩达机器学习第二周编程作业ex1答案

吴恩达机器学习第三周课后作业ex2答案吴恩达机器学习第四周课后作业ex3答案warmUpExercise.mfunctionA=warmUpExercise()%WARMUPEXERCISEExamplefunctioninoctave
煜明·2020-08-11 00:18

算法基础——知识点总结

算法基础课程的总结，方便以后快速查阅和复习Week2枚举基本方法列举各元素，进行猜测。
weixin_33989780·2020-08-10 23:04

Python学习--Machine-Learning 吴恩达机器学习编程作业 (第一周)

Machine-Learning编程作业ProgrammingExercise1：LinearRegression1.单变量线性回归1.1读取数据并显示1.2定义代价函数1.3梯度下降法1.4可视化2.多变量线性回归2.1读入数据并显示2.2特征归一化2.3代价函数2.4梯度下降3.正规方程法实现单变量回归4.用sklearn库中函数实现单变量回归作业文件打包如下：链接：https://pan.b
OOOrchid·2020-08-10 20:26

吴恩达机器学习之总结：总结和致谢（详细笔记，建议收藏，已有专栏）

吴恩达机器学习栏目清单专栏直达：https://blog.csdn.net/qq_35456045/category_9762715.html文章目录19.总结(Conclusion)19.1总结和致谢
汪雯琦·2020-08-10 19:41

吴恩达机器学习入门视频笔记（一）

翻了翻笔记本，发现以前看吴恩达机器学习入门视频的笔记，拿来与大家分享一下，也当作自己的一次复习。笔记内容有跳跃性，也很琐碎，不具有系统性，如果大家要系统性学习可以去对应网站或者b站上自行搜索。
DebugMyself·2020-08-10 12:39

神经网络的梯度下降算法

注：本文是学习吴恩达机器学习的学习笔记。
程序之巅·2020-08-10 12:20

2020暑期集训 week2

训练内容：1场cf，1场eoj月赛，2场牛客多校，9个cf上难度1600-2000的题推荐题目：F2.TheHiddenPair(HardVersion)交互题，https://codeforces.com/contest/1370/problem/F2一开始就有思路。首先找所有的点，输出一定是这条路径中的一个点和这条路径的长度然后我们以已知的这个点为根dfs，记录每层有什么点。假设路径长度为k，
HungTeen·2020-08-10 04:08

算法工程师之路——Deeplearning.ai神经网络与深度学习篇Week2

上一周的回顾时间过的很快，转眼又是一周。刚刚过去的一周也是很忙碌，几乎每天都有各种各样工作与生活上的琐事，不过我也在加油努力的学习，毕竟任重而道远嘛！通过与学长学姐的沟通交流，我打算今后的学习采用这样的方式进行：多线程学习法。在学习人工智能领域知识的旅途中，需要涉猎的东西实在是太多太多，比如学习最新的论文，学习别人先进的思想，并尝试着复现；熟练掌握Python、Tensorflow这些人工智能领域
Mr_Rum·2020-08-09 17:13

吴恩达机器学习课程作业 Exercise 1：Linear Regression

吴恩达机器学习课程作业Exercise1：LinearRegression数据准备成本函数单变量线性回归多变量线性回归sklearn实现线性回归使用函数总结DataFrameDataFrame.locDataFrame.ilocDataFrame.ixDataFrame.insertnumpynumpy.powernumpy.sumnumpy.multiplynumpy.matrixnumpy.d
u010660276·2020-08-09 12:57

吴恩达机器学习（四）——逻辑回归(Logistic Regression)

1、分类问题(Classification)线性回归主要是解决监督学习问题中的“回归”问题，逻辑回归主要主要解决监督学习中的“分类”问题。在分类问题中，要预测的变量?是离散的值。逻辑回归算法是分类算法。先从最简单的二分类问题开始讨论：分类问题的例子有：判断一封电子邮件是否是垃圾邮件；判断一次金融交易是否是欺诈；区别一个肿瘤是恶性的还是良性的。1）因变量y(dependentvariable)可能属
Leben&流觞·2020-08-09 02:45

吴恩达机器学习粗略随笔——逻辑回归

逻辑回归：含义：在线性回归的基础上，给出输出的置信度。举例来说：线性回归P(1|x;θ)=0.7，该数据分类为1的可信度为0.7。核心：在线性回归的输出基础上，通过sigmoid函数（也称logistic函数），将输出规范到0~1范围。即设线性回归的输出为f(x)，逻辑回归则为g(f(x))，g(z)=1/(1+e^z)。现实意义：决策边界。给定置信标准（如当可信度>0.5）时，即当g(z)>0.
rosesor·2020-08-08 21:23

吴恩达机器学习——多元梯度下降，学习率，特征，特征多项式

这里有啥如何判断梯度下降是正常的？？？自动收敛测试学习速率的选择特征多项式回归如何判断梯度下降是正常的？？？如果迭代正常，每一步迭代后J(Θ)都应该下降。并且下降的程度逐渐减缓。自动收敛测试如果代价函数小于某个值ε时,例如ε可以是1e-3，但是通常选择一个ε非常困难，依靠自动收敛检测不一定可靠，还是通过图像比较可靠。学习速率的选择从代价函数图像表现出代价函数的值迭代后不断上升，或呈震荡，意味着学习
咕噜咕噜-·2020-08-08 20:05

吴恩达机器学习入门——应用机器学习方法

吴恩达机器学习入门——应用机器学习方法机器学习诊断法模型选择问题正则化、偏差与方差学习曲线系统设计误差分析不对称性分类的误差机器学习数据机器学习诊断法如何判断一个学习算法的好坏，当该算法的预测值有很大的偏差
qq_42100113·2020-08-08 20:06

吴恩达机器学习入门——异常检测

吴恩达机器学习入门——异常检测高斯分布异常检测算法开发和评估异常检测系统异常检测与监督学习的区别异常检测算法的特征多变量高斯分布高斯分布对于高斯函数的参数：u为均值，δ2为方差。
qq_42100113·2020-08-08 20:34

吴恩达机器学习入门——Logistic 回归

吴恩达机器学习入门——Logistic回归分类问题模型建立决策判断代价函数多元分类分类问题如上图的分类问题，如果用粉色的hθ\thetaθ(x)函数,可以以0.5为判断值进行分类，区分出0和1，而当我们增加一个新的样本
qq_42100113·2020-08-08 20:34

吴恩达机器学习入门——单变量线性回归

吴恩达机器学习入门——单变量线性回归模型代价函数梯度下降算法模型h为假设函数，通过训练集的输入，经过学习算法，可以得到假设函数。这个假设函数就可以来计算回归值（预估值）。
qq_42100113·2020-08-08 20:34

吴恩达机器学习入门——神经网络

吴恩达机器学习入门——神经网络神经网络简介工作方式简单的例子多元分类代价函数反向传播算法梯度检测随机初始化神经网络总结神经网络简介如图所示的图形分类问题，像该图的像素为50*50，如果我们采用之前学过的
qq_42100113·2020-08-08 20:34

吴恩达机器学习入门——多变量线性回归

吴恩达机器学习入门——多变量线性回归假设多元梯度下降算法特征缩放正规方程优缺点假设假设房价不仅受平方数影响，还受到房间数、年份、楼层数的影响。这样奥预估房价就是一个受多变量影响的问题。
qq_42100113·2020-08-08 20:34

吴恩达机器学习入门——降维

[吴恩达机器学习入门——降维]降维的作用有两个：一是进行数据压缩、二是可视化。数据压缩可视化PCAPCA算法压缩重现降维的作用有两个：一是进行数据压缩、二是可视化。
qq_42100113·2020-08-08 20:34

吴恩达机器学习之支持向量机(Support Vector Machines)（一）：优化目标（详细笔记，建议收藏，已有专栏）

吴恩达机器学习栏目清单专栏直达：https://blog.csdn.net/qq_35456045/category_9762715.html文章目录支持向量机(SupportVectorMachines
汪雯琦·2020-08-08 19:36

[自用] 浙大翁凯老师C语言学习笔记--第二周

Week2计算1`变量//找零程序#includeintmain(){intprice=0;printf("请输入金额:");scanf("%d",&price);intchange=100-price
Ranki666·2020-08-08 13:32

吴恩达机器学习入门——支持向量机

[吴恩达机器学习入门——支持向量机]优化目标核函数运用SVM优化目标这是一个logistic回归的例子，如果y=1，我们也希望模型得出来的hθ\thetaθ(x)也应为1；如果y=0，我们也希望模型得出来的
qq_42100113·2020-08-08 11:41

吴恩达机器学习6——机器学习算法改进、系统设计

吴恩达机器学习6一、机器学习算法改进1.机器学习算法评价1.1评估模型1.2模型选择和交叉验证集2.偏差与方差2.1诊断偏差和方差2.2正则化和偏差/方差2.3学习曲线2.4选择修正方法二、机器学习系统设计
old sweet ᝰ·2020-08-07 21:17

吴恩达机器学习7——支持向量机SVM

吴恩达机器学习7一、SVM直观理解1.SVM引入逻辑回归2.大边界分类器SVM3.SVM原理二、核函数1.核函数原理和概念2.SVM和核函数结合的计算步骤三、使用SVM一、SVM直观理解1.SVM引入逻辑回归与逻辑回归和神经网络相比
old sweet ᝰ·2020-08-07 21:17

吴恩达机器学习作业5——偏差与方差

在前半部分的练习中，你将实现正则化线性回归，以预测水库中的水位变化，从而预测大坝流出的水量。在下半部分中，您将通过一些调试学习算法的诊断，并检查偏差v.s.方差的影响。importnumpyasnpimportmatplotlib.pyplotaspltfromscipy.ioimportloadmatimportscipy.optimizeasoptdefplotData():"""瞧一瞧数据长
old sweet ᝰ·2020-08-07 21:46

吴恩达机器学习作业4（python实现）

利用神经网络预测手写数字importnumpyasnpimportmatplotlib.pyplotaspltfromscipy.ioimportloadmatimportscipy.optimizeasoptfromsklearn.metricsimportclassification_report#这个包是评价报告fromsklearn.preprocessingimportOneHotEnc
old sweet ᝰ·2020-08-07 21:46

吴恩达机器学习作业6——SVM

importnumpyasnpimportpandasaspdimportmatplotlib.pyplotaspltimportseabornassbfromscipy.ioimportloadmatfromsklearnimportsvmdefplotData(X,y):plt.figure(figsize=(8,5))plt.scatter(X[:,0],X[:,1],c=y.flatten
old sweet ᝰ·2020-08-07 21:46

手把手教你机器学习之入门（1）（吴恩达听课笔记）

**引言：**你可以把这个当成教程，也可以把这当成视频笔记总结来看，这是本人看了周志华老师的机器学习（‘西瓜书’下载）和吴恩达老师的机器学习视频（吴恩达机器学习）进行总结的机器学习算法的知识。
HDU-大白·2020-08-07 16:47

吴恩达机器学习作业6—支持向量机

题目概述：在本练习中，我们将使用高斯核函数的支持向量机（SVM）来构建垃圾邮件分类器数据集1我们先在2D数据集上实验importnumpyasnpimportpandasaspdimportmatplotlib.pyplotaspltimportseabornassbfromscipy.ioimportloadmatraw_data=loadmat('E:/shujuji/ex6data1.mat
kingsure001·2020-08-05 22:45

Coursera吴恩达机器学习课程 第2周作业代码

ComputeCost.mfunctionJ=computeCost(X,y,theta)%COMPUTECOSTComputecostforlinearregression%J=COMPUTECOST(X,y,theta)computesthecostofusingthetaasthe%parameterforlinearregressiontofitthedatapointsinXandy%I
爱写代码的娃娃鱼·2020-08-05 14:47

吴恩达机器学习（十二）主成分分析（降维、PCA）

目录0.前言1.主成分分析（PCA）2.主成分分析PCA的流程3.低维空间维度的选择4.主成分分析使用方式学习完吴恩达老师机器学习课程的降维，简单的做个笔记。文中部分描述属于个人消化后的理解，仅供参考。如果这篇文章对你有一点小小的帮助，请给个关注喔~我会非常开心的~0.前言数据的特征数量，又称作向量的维度。降维（dimensionalityreduction）是通过一些方法，减少数据的特征数量，以
zhq9695·2020-08-04 10:06

吴恩达机器学习笔记 —— 19 应用举例：照片OCR（光学字符识别）

吴恩达机器学习笔记——19应用举例：照片OCR（光学字符识别）本章讲述的是一个复杂的机器学习系统，通过它可以看到机器学习的系统是如何组装起来的；另外也说明了一个复杂的流水线系统如何定位瓶颈与分配资源。
xing halo·2020-08-04 08:31

团队博客作业Week2 --- 学长学姐访谈录

##团队作业2#####团队一###这个团队中组员是位研一的学姐，她的软件工程老师是姚淑珍，当时她们团队总共有4个人，而且她们都很努力，但是可能是最后团队的作品不太理想，她们的软件并没有上线，当然也不太愿意把源码发给我。但是，她觉得软工就是她收益最大的几门课之一，所以她强烈建议我们好好上这门课；除此之外，她还提出了一些建议，在学习软件工程的同时不一定要花大量时间在写代码上，更重要的是写好软工文档，
weixin_33895016·2020-08-04 05:11

吴恩达机器学习作业（python版）—— ex1线性回归

文章目录【1】单变量线性回归1.题目描述：2.涉及知识点：3.详细代码解释4.完整代码【2】梯度下降1.涉及知识点2.详细代码解释3.完整代码【3】多变量线性回归1.题目描述2.涉及知识点3.详细代码解释【4】正规方程1.涉及知识点2.详细代码解释【5】slearn线性回归算法以下代码本人是使用JupiterLab运行的，所以没有print语句，此外本文章所有的代码是放在一起运行的【1】单变量线性
Nefu_lyh·2020-08-03 10:59

【机器学习】SVM（基于SMO算法）—— python3 实现方案

测试数据是吴恩达机器学习课程svm章节的作业。分别用高斯核函数与线性核函数进行测试，可以发现高斯核函数的稳定性和准确率明显较线性核函数好。
zhenghaitian·2020-08-03 09:45

吴恩达机器学习作业ex1~matlab

单变量版：ex1.m%%MachineLearningOnlineClass-Exercise1:LinearRegression%Instructions%------------%%Thisfilecontainscodethathelpsyougetstartedonthe%linearexercise.Youwillneedtocompletethefollowingfunctions%i
yinfang1252·2020-08-03 09:39

吴恩达机器学习要点记录（上）

文章目录单变量线性回归基础概念多变量线性回归假设函数含n个参数的LR优化GD算法的tricks特征构造以及利用特征构造来得到多项式回归用正规方程法求解代价函数的最小值点θ使用正规方程法时遇到奇异矩阵的处理方法（跳过）逻辑斯谛回归假设函数决策边界代价函数高级优化算法及其特点推广为多元分类器正则化欠拟合与过拟合正则化简介线性回归的正则化使用梯度下降的情况使用正规方程法的情况逻辑斯谛回归的正则化神经网络
pyxiea·2020-08-03 08:43

吴恩达机器学习课程课时12梯度下降算法中参数θ0，θ1求偏导

最近学习吴恩达的机器学习课程。看到了线性回归的梯度下降算法。课程中将了一个非常简单的线性回归：比如给出一些房子的size和对应的price，我们可以建立一个模型（在此模型就是线性回归），希望之后在给出任意一个房子的size，可以比较准确的预测到房子的价格。课程中的假设函数、参数、代价函数如下：然后下节视频讲到梯度下降算法，希望通过不断迭代使找到θ0,θ1使代价函数值最小。在xOy平面内，当动点由P
温姑娘·2020-08-03 08:22

吴恩达机器学习 - 支持向量机(SVM)

题目链接：点击打开链接笔记：无核SVM数据可视化：Code（命令行）:%Loadfromex6data1:%YouwillhaveX,yinyourenvironmentload('ex6data1.mat');%PlottrainingdataplotData(X,y);效果图：训练Code（这个是写好的代码，码一下以后可以直接用）：function[model]=svmTrain(X,Y,C,
wyg1997·2020-08-03 08:49

BP神经网络原理和算法推导流程（吴恩达机器学习）

1反向传播算法和BP网络简介误差反向传播算法简称反向传播算法（即BP算法）。使用反向传播算法的多层感知器又称为BP神经网络。BP算法是一个迭代算法，它的基本思想为：（1）先计算每一层的状态和激活值，直到最后一层（即信号是前向传播的）；（2）计算每一层的误差，误差的计算过程是从最后一层向前推进的（这就是反向传播算法名字的由来）；（3）更新参数（目标是误差变小）。迭代前面两个步骤，直到满足停止准则（比
wu740027007·2020-08-03 08:23

吴恩达机器学习笔记-机器学习系统设计

确定执行的优先级我们已经学习过一些机器学习的算法，那么如何设计一个机器学习系统呢，课程中举了一个垃圾邮件分类器的例子，例子比较简单这里就不再赘述：那么如何来提升这个分类器的准确度呢？有下面几个建议：收集更多的数据增加更复杂的特征（比如邮件头）开发更复杂的算法来鉴定错误拼写误差分析如果你准备研发一个机器学习应用，下面有一些关于开发的一些建议：其中误差分析不一定会对改善算法的表现有帮助，唯一的办法是尝
wu740027007·2020-08-03 08:23

线性回归模型及梯度下降算法（吴恩达机器学习第一周作业）

1.线性回归引例：房屋估价系统房屋估价系统问题就是当知道房屋面积、卧室个数与房屋价格的对应关系之后，在得知一个新的房屋信息后如何得到对应的新房屋价格，这类问题可以简化为：寻找房屋面积、卧室个数与房屋价格之间关系方程的过程就是回归，这里假设他们之间是线性关系，即房屋价格可以被表示为房屋面积与卧室个数的一维线性方程，如：这里x表示与房屋价格相关的特征，x1为房屋面积，x2为卧室个数，θ可以理解为各个特
wu740027007·2020-08-03 08:23

吴恩达机器学习----应用机器学习的建议

第十章应用机器学习的建议(AdviceforApplyingMachineLearning)获得更多的训练实例——通常是有效的，但代价较大，可考虑先采用下面的几种方法进行解决：1.尝试减少特征的数量2.尝试获得更多的特征3.尝试增加多项式特征4.尝试减少正则化程度λ5.尝试增加正则化程度λ1、评估一个假设当我们确定学习算法的参数的时候，我们考虑的是选择参量来使训练误差最小化，有人认为得到一个非常小
wu740027007·2020-08-03 08:23

机器学习中代价函数是啥意思？听听大师怎么讲

本文是“吴恩达机器学习视频”学习笔记，“代价函数定义”一节。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。
讲编程的高老师·2020-08-03 08:45

支持向量机【Coursera 斯坦福 机器学习】

本文基于coursera斯坦福吴恩达机器学习课程谢绝任何不标注出处的转载以及百度百家号抄袭如有问题请联系作者很多监督学习的效果都非常相似。
爱看动漫的李皮皮·2020-08-03 07:03

吴恩达机器学习笔记-模型及代价函数

本文主要讲述一元线性回归算法的主要内容，因此默认对监督学习的定义有所了解，若不清楚可查看吴恩达机器学习第一讲或自行Google。
weixin_34137799·2020-08-03 07:05
上一页 22 23 24 25 26 27 28 29 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他