吴恩达机器学习:week2

吴恩达机器学习作业（1）：线性回归

目录1）导入相关库和数据2）代价函数3）批量梯度下降4）绘制线性模型前阵子在网易云课堂学习了吴恩达老师的机器学习课程，今天结合网上资料，用Python实现了线性回归作业，共勉。建议大家使用Jupyternotebook来编写程序。1）导入相关库和数据导入相关库：numpy,pandas,matplotlibimportnumpyasnpimportpandasaspdimportmatplotli
10点43·2018-11-30 15:18

吴恩达机器学习之多变量线性回归理论部分

本博客主要参考此博客：恋雨心一.MultipleFeatures—多维特征相对于单变量线性回归模型，多变量线性回归模型适用于处理多个变量/特征。对比：以之前我们介绍的单变量线性回归模型为例：用房屋面积x预测房子价格y。现在我们对房价模型增加更多的特征，例如房间数楼层等，构成一个含有多个变量的模型，模型中的特征为（x1,x2,…,xn）。增添了更多特征后，我们引入以下新的注释：n代表特征的数量x(i
qq_40432881·2018-11-28 18:05

吴恩达机器学习 章节5：Octave使用

5.1基本操作Octave下载地址：https://www.gnu.org/software/octave/download.htmloctave:1>PS1('>>');>>PS1('>>')：表示更换命令提示符。其中单引号中的内容可换成自己习惯用的任意符号。简单语法和python一致，如下：>>1+1ans=2>>1-1ans=0>>2*2ans=4>>1/2ans=0.50000>>2^2a
井上皓·2018-11-27 14:39

吴恩达机器学习 章节3：矩阵知识

前文本文是对吴恩达老师的机器学习教学视频进行学习时，所记录的学习笔记。以下是本章主要讲的内容：矩阵和向量的基本知识和运算法则。3.1矩阵和向量矩阵概念：矩阵是一个按照长方阵列排列的复数或实数集合。矩阵表示：由m×n个数aij排成的m行n列的数表称为m行n列的矩阵，简称m×n矩阵。记作：m×n矩阵这m×n个数称为矩阵A的元素，简称为元，数aij位于矩阵A的第i行第j列，称为矩阵A的(i,j)元，以数
井上皓·2018-11-27 13:18

吴恩达机器学习笔记（七）神经网络

吴恩达机器学习笔记（七）神经网络一、非线性假设（Non-linearHypotheses）二、神经元和大脑（NeuronsandBrain）三、模型表示(ModelRepresentation)四、例子与直观理解
AngelaOrange·2018-11-24 16:30

吴恩达机器学习笔记（四）多变量线性回归

吴恩达机器学习笔记（四）多变量线性回归一、多维特征（MultipleFeatures）二、多元梯度下降法三、多元梯度下降法实操——特征缩放(FeatureScaling)四、多元梯度下降法实操——学习率
AngelaOrange·2018-11-22 19:26

算法工程师修仙之路：吴恩达机器学习（三）

吴恩达机器学习笔记及作业代码实现中文版第三章多变量线性回归多维特征现在我们对房价模型增加更多的特征，例如房间数楼层等，构成一个含有多个变量的模型，模型中的特征为(x1,x2,...,xn)(x_1,x_
fangzhan1109·2018-11-22 17:16

Weekly catch-up recording

week2做事要有outline，stepbystep。week3要综合性发展，不要只缩在自己熟悉的领域，这样不能成长。
Lori_LX·2018-11-18 22:35

机器学习 | 吴恩达机器学习第六周编程作业(Python版）

实验指导书下载密码:ovyt本篇博客主要讲解，吴恩达机器学习第六周的编程作业，作业内容主要是实现一个正则化的线性回归算法，涉及本周讲的模型选择问题，绘制学习曲线判断高偏差/高方差问题。
CoreJT·2018-11-15 17:02

吴恩达机器学习 - 练习题ex2

练习了一下吴恩达的《ProgrammingExercise2:LogisticRegression》,两点心得：听课和做习题是两回事，代码是需要严格按照理论公式实现体会到矩阵运算的强大威力，重复的计算不仅仅是可以通过for循环实现，更可以通过矩阵高效的计算惨不忍睹的第一版，很算法，很C程序员：costFunction.mfori=1:m,J+=-y(i)*log(sigmoid(X(i,:)*th
YANWeichuan·2018-11-15 14:40

吴恩达机器学习 | (3) 第二周编程作业(Python版）

实验指导书本篇博客主要讲解，吴恩达机器学习第二周的编程作业，作业内容主要是实现单元/多元线性回归算法。实验的原始版本是用Matlab实现的，本篇博客主要用Python来实现。
CoreJT·2018-11-10 23:41

ML笔记：ML的模型选择，交叉验证。

目录一、训练集（trainingset）二、验证集(validatiionset)三、测试集(testset)四、交叉验证（Crossvalidation）五、交叉验证的实现六、模型的选择（吴恩达机器学习中的
炊烟袅袅岁月情·2018-11-08 17:03

机器学习 | 吴恩达机器学习第四周编程作业(Python版本)

实验指导书下载密码:u8dl本篇博客主要讲解，吴恩达机器学习第四周的编程作业，作业内容主要是对手写数字进行识别，是一个十分类问题，要求使用两种不同的方法实现：一是用之前讲过的逻辑回归实现手写数字识别，二是用本周讲的神经网络实现手写数字识别
CoreJT·2018-11-08 14:52

机器学习实战（十四）Pegasos（原始估计子梯度求解器）

本篇综合了先前的文章，如有不理解，可参考：机器学习实战（五）支持向量机SVM吴恩达机器学习（十）支持向量机机器学习实战（四）逻辑回归LR所有代码和数据可以访问我的github如果这篇文章对你有一点小小的帮助
I can丶·2018-11-06 19:09

吴恩达机器学习笔记-非监督学习

聚类之前的课程中我们学习的都是监督学习相关的算法，现在来开始看非监督学习。非监督学习相对于监督非学习来看，其使用的是未标记的训练集而监督学习的是标记的训练集。换句话说，我们不知道向量y的预期结果，仅仅只是拥有一个可以找到结构的特征的集合。其中一种可能的结构是，所有的数据可以大致地划分成两组，这种划分的算法称为聚类算法。这是我们第一种无监督学习算法。在很多场景下我们会使用聚类的方式来解决非监督学习问
CareyWYR·2018-11-05 00:00

吴恩达机器学习练习6——支持向量机

机器学习练习6——支持向量机SVMs代价函数核函数可视化数据集改变惩罚系数CC=1C=1000SVMwithGaussian设置适当的C和sigmaSVMs代价函数支持向量机做的全部事情，就是极小化参数向量θ范数的平方，或者说长度的平方。内积θ‘x^((i))而变成了p^((i))⋅∥θ∥。p^((i))用来表示这是第i个训练样本在参数向量θ上的投影。核函数可视化数据集改变惩罚系数CC=1C=10
cherry1307·2018-11-02 09:59

吴恩达机器学习练习5——正则化线性回归和偏差/方差

机器学习练习5——正则化线性回归和偏差/方差正则化线性回归数据可视化代价函数拟合偏差、方差折中多项式回归特征归一化正则化为验证集选择lambda正则化线性回归利用水库水位的变化从大坝流出的水量数据可视化代价函数function[J,grad]=linearRegCostFunction(X,y,theta,lambda)m=length(y);%numberoftrainingexamplesJ=
cherry1307·2018-11-02 09:26

吴恩达机器学习练习3——多元分类与神经网络

机器学习练习3——多元分类与神经网络神经网络——手写数字识别网络模型ex3_nn.m预测神经网络——手写数字识别网络模型输入层：400个神经元；隐藏层：26个神经元；输出层：10个神经元ex3_nn.m%%MachineLearningOnlineClass-Exercise3|Part2:NeuralNetworks%Instructions%------------%%Thisfilecont
cherry1307·2018-11-02 09:02

吴恩达机器学习练习3——多元分类与神经网络

机器学习练习3——多元分类与神经网络Logistic回归——手写数字识别可视化数据集代价函数和梯度下降一对多预测Logistic回归——手写数字识别可视化数据集该训练样本为5,000张20*20的书写数字的灰度图。X：5000*400y:5000*1在X中随机选取100张图像并显示function[h,display_array]=displayData(X,example_width)if~ex
cherry1307·2018-11-02 09:27

吴恩达机器学习练习2——正则化的Logistic回归

机器学习练习2——正则化的Logistic回归过拟合正则化线性回归梯度下降正规方法Logistic回归练习2可视化数据集特征映射代价函数和梯度下降绘制出决策边界过拟合如果我们有非常多的特征，我们通过学习得到的假设可能能够非常好地适应训练集（代价函数可能几乎为0），但是可能会不能推广到新的数据。解决：1.丢弃一些不能帮助我们正确预测的特征。可以是手工选择保留哪些特征，或者使用一些模型选择的算法来帮忙
cherry1307·2018-11-02 09:13

吴恩达机器学习练习2——Logistic回归

机器学习练习2——Logistic回归Logistic回归代价函数梯度下降练习2数据集可视化数据集sigmoid函数代价函数及梯度下降使用fminunc学习参数评估Logistic回归代价函数Logistic回归是分类算法，它的输出值在0和1之间。h(x)的作用是，对于给定的输入变量，根据选择的参数计算输出变量等于1的可能性（estimatedprobablity）即h(x)=P(y=1|x;θ)
cherry1307·2018-11-02 09:52

吴恩达机器学习练习1——多元线性回归

机器学习练习1——多元线性回归多变量线性回归均值归一化代价函数梯度下降练习1数据集特征缩放（归一化）均值归一化代价函数梯度下降正规方程多变量线性回归均值归一化代价函数梯度下降练习1数据集x1：thesizeofthehouse(insquarefeet)x2:thenumberofbedroomsy:hepriceofthehouse特征缩放（归一化）在面对多维特征问题的时候，我们要保证这些特征都
cherry1307·2018-11-02 09:38

吴恩达机器学习练习1——单变量线性回归

机器学习练习1——单变量线性回归单变量线性回归代价函数：梯度下降练习1数据集数据集的可视化代价函数梯度下降法可视化J单变量线性回归代价函数：梯度下降练习1数据集X代表poplation，y代表profits数据集的可视化functionplotData(x,y)figure;data=load('ex1data1.txt');x=data(:,1);y=data(:,2);plot(x,y,'rx
cherry1307·2018-11-02 09:35

支持向量机SVM(直观理解原理、推导)

这里主要基于吴恩达机器学习课程对于SVM的讲解进行总结回顾，并参考各类资料对其推导过程进一步理解及实现。所以分为两个部分及最后的一些个人总结。
Enjoy_endless·2018-10-31 14:45

机器学习实战（九）K-means（K-均值）

本篇综合了先前的文章，如有不理解，可参考：吴恩达机器学习（十一）K-means所有代码和数据可以访问我的github如果这篇文章对你有一点小小的帮助，
zhq9695·2018-10-29 11:49

机器学习资料汇总

吴恩达深度学习讲义http://www.ai-start.com/dl2017/吴恩达机器学习讲义http://www.ai-start.com/ml2014/理解Scikit-Learn中分类性能度量指标
愿风去了·2018-10-25 16:18

吴恩达机器学习 - PCA算法降维

原吴恩达机器学习-PCA算法降维2018年06月25日13:08:17离殇灬孤狼阅读数：152更多个人分类：吴恩达机器学习版权声明：如果感觉写的不错，转载标明出处链接哦~blog.csdn.net/wyg1997https
Abai_Snow·2018-10-25 16:24

吴恩达机器学习与深度学习作业目录 [图片已修复]

python3.6(一)吴恩达机器学习作业目录1吴恩达机器学习作业Python实现(一)：线性回归2吴恩达机器学习作业Python实现(二)：logistic回归3吴恩达机器学习作业Python实现(三
Cowry5·2018-10-23 10:59

吴恩达机器学习与深度学习作业目录 [图片已修复]

python3.6(一)吴恩达机器学习作业目录1吴恩达机器学习作业Python实现(一)：线性回归2吴恩达机器学习作业Python实现(二)：logistic回归3吴恩达机器学习作业Python实现(三
Cowry5·2018-10-23 10:59

Week2 第一次结对编程

黄金点游戏作业要求及项目源码假设有M个玩家，P1,P2,…Pm在(0-100)开区间内，所有玩家自由选择两个正有理数数字提交（可以相同或者不同）给服务器假设提交N11,N12,N21,N22,Nm1,Nm2等M2个数字后，服务器计算：(N11+N12+N21+N22+…+Nm1+Nm2)/(M2)*0.618=Gnum，得到黄金点数字Gnum查看所有玩家提交的数字与Gnum的算术差的绝对值，值最小
Turtlesyu-27·2018-10-23 00:00

Week2 结对编程总结

黄金点游戏-结对编程总结这篇随笔是关于上周的黄金点游戏的一个总结。文中会根据作业要求介绍我们结对编程小组的工作内容、结果以及过程中的一些观察和思考。在开始实现之前，用PSP表格记录下你预估完成项目需要的时间。PSP表格：PersonalSoftwareProcess，这里我们使用这种模型来回顾我们完成这次作业的流程和时间安排，但由于我们这次作业要做的是个很简单的bot,所以有些PSP中提到的环节并
azshue·2018-10-21 22:00

吴恩达机器学习 - 支持向量机(SVM)

原吴恩达机器学习-支持向量机(SVM)2018年06月24日14:40:42离殇灬孤狼阅读数：218更多个人分类：吴恩达机器学习版权声明：如果感觉写的不错，转载标明出处链接哦~blog.csdn.net
Abai_Snow·2018-10-18 13:13

python基础教程

以下材料仅仅适于Web方向：1、Week1：读完《简明Python教程》，适应Python开发环境2、Week2：写个爬虫，需要深入了解re、urllib2、sqlite3、threading，Queue
Java面试指南·2018-10-18 12:43

Coursera-吴恩达-机器学习-第七周-编程作业: Support Vector Machines

本次文章内容：Coursera吴恩达机器学习课程，第七周编程作业。编程语言是Matlab。本文只是从代码结构上做的小笔记，更复杂的推导不在这里。
帅金毛·2018-10-18 11:57

吴恩达机器学习个人笔记(五)-关于机器学习的误差分析

1关于机器学习的改进当我们使用机器学习算法解决实际问题时，可能在得到学习参数后，输入新的数据后效果不是很理想。即运用训练好了的模型来预测未知数据时发现了较大的误差。那么我们可以采用下面的方法来提高机器学习算法的性能。1.获取更多的训练样本2.尝试减少特征的数量3.尝试获的更多的特征4.尝试增加多项式特征5.尝试减少正则化程度5.尝试增加正则化程度我们不应该随机选择上面的某种方法来改进我们的算法，而
XiaoQQin1·2018-10-16 20:43

吴恩达机器学习训练秘籍整理一到十章（一）

第一到四章：1.为什么选用机器学习策略。机器学习是无数重要应用的基础。2.先修知识与符号标记。有监督学习的经验。了解机器学习。3.驱动机器学习发展的原因。数据的可用性和计算规模。传统算法和神经网络算法在数据集较小的情况下区别不大，但是随着数据集的增加和网络层数的加深，效果会越来越好。假设我们要做的产品是一个APP，用户上传图片我们来自动的找到图中有猫的照片。第五章：这一章主要介绍测试集，开发集和训
donkey_1993·2018-10-16 13:26

【DeepLearning学习笔记】Coursera课程《Neural Networks and Deep Learning》——Week2 Neural Networks Basics课堂笔记...

Coursera课程《NeuralNetworksandDeepLearning》deeplearning.aiWeek2NeuralNetworksBasics2.1LogisticRegressionasaNeutralNetwork2.1.1BinaryClassification二分类逻辑回归是一个用于二分类(binaryclassification)的算法。首先我们从一个问题开始说起，这
败北桑·2018-10-14 17:00

Week2：一切都是最好的安排

十一之后的一周，心还是松散的，行动也是庸懒的，打不起精神，工作中有一些挫败感，因为心里的预期和实际的结果有所偏差。关于工作：十一节前，单位一副职领导找我谈话，希望我去下属一单位任副职，辅助一把领导，待她退休后，提我上位。其实之前我也考虑过，但担心没有基层经验，压力太大，所以未曾积极争取过，但这次领导找我谈话，我本以为板上定钉，只是在征求我的意见，可这周却有了不同的声音。我被摆了一道，说是因为体制内
姜昕烨·2018-10-14 16:28

过拟合以及解决办法

如图所示（图片来源：coursera吴恩达机器学习公开课）从图中可以看出，图一是欠拟合，模型不能很好地拟合数据；图二是最佳的情况；图三就是过拟合，采用了很复杂的模型。
野心家·2018-10-14 10:15

吴恩达机器学习（十五）大规模机器学习（Batch、Stochastic、Mini-batch gradient descent、MapReduce）

目录0.前言1.StochasticGradientDescent2.Mini-batchGradientDescent3.MapReduce4.在线学习（onlinelearning）学习完吴恩达老师机器学习课程的大规模机器学习，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.前言已知梯度下降算法，当数据集很大时，每
I can丶·2018-10-13 16:38

吴恩达机器学习笔记-支持向量机

优化目标之前的课程有学习过Logistic回归的假设函数：$$h_\theta(x)=\frac{1}{1+e^{-\theta^Tx}}$$其图像如下：从图像可以看出，如果$y=1$的话，那么我们希望$h_\theta(x)\approx1$，那么$\theta^Tx>>0$;如果$y=0$的话，那么我们希望$h_\theta(x)\approx0$，那么$\theta^Tx=1$(并不是仅仅大
CareyWYR·2018-10-12 00:00

吴恩达机器学习--学习笔记：线性回归回顾

第三章：线性回归回顾本章是是一些比较基础的数学问题，主要是在后面章节案例中引入多特征时所必须掌握的基本数学技巧，所以吴老师在第三章带我们一起回顾了些；这里我就不做过多总结和分享，只列举一些基本知识点概念，作为学习笔记；1、矩阵（matrix）、向量（vector）矩阵是由数字组成的矩形阵列，并写在大方括号里，如：,这是一个2x3的矩阵；向量是一个比较特殊的矩阵，它只有一列，即一个nx1的矩阵被称为
Ysp_0316·2018-10-11 22:03

Coursera-吴恩达-机器学习-第六周-编程作业: Regularized Linear Regression and Bias/Variance

本次文章内容：Coursera吴恩达机器学习课程，第六周编程作业。编程语言是Matlab。学习算法分两部分进行理解，第一部分是根据code对算法进行综述，第二部分是代码。
帅金毛·2018-10-01 20:39

吴恩达机器学习--学习笔记：单变量线性回归

第二章：单变量线性回归本章主要通过单变量线性回归算法的例子，阐述了机器学习的原理了，以及算法实现过程；其中涉及的概念有：假设函数、代价函数、目标函数、梯度下降等概念；本章以房屋价格问题为案例，进行学习；再次明确下我们的算法目的：找到一个函数，能够很好的计算出房价与面积的关系；按照机器学习的定义：这里的任务T是根据面积计算房价，经验E是已知的样本数据-房价与面积，性能测定P是计算结果与真实价格的差值
Ysp_0316·2018-10-01 16:03

吴恩达机器学习个人笔记(一)-线性回归

1单变量线性回归(LinearRegressionwithOneVariable)1.1假设方程(Hypothesis)线性回归属于监督学习，大致是根据给定的数据集训练出一个线性模型，构造成功后，输入一个新的数据后，会输出一个确却的值。比如预测一个地区的房价，给定一个数据集包含房子的大小和房价，当需要预测一个房子的价格时，模型就会预测出一个确却的值。回归一词指的是，我们根据之前的数据预测出一个准确
XiaoQQin1·2018-09-29 10:08

Coursera-吴恩达-机器学习-第五周-编程作业: Neural Networks Learning

本次文章内容：Coursera吴恩达机器学习课程，第五周编程作业。编程语言是Matlab。学习算法分两部分进行理解，第一部分是根据code对算法进行综述，第二部分是代码。
帅金毛·2018-09-27 23:13

吴恩达机器学习--学习笔记：初识机器学习

第一章：初识机器学习本章包含了四个视频课程，主要介绍了什么是机器学习，当今生活中那些场景已经用到了机器学习，机器学习适合解决哪些问题；以及机器学习、深度学习、监督学习、无监督学习，回归问题、分类问题等概念关于学习算法：使用浏览器搜索新闻、手机中的相册自动对照片分类、邮箱的垃圾邮件拦截等，这些功能都在使用学习算法。为什么学习算法会这么重要？你会发现，当你想让一个物体从A点移动到B点时，可以很容易的通
Ysp_0316·2018-09-27 23:35

吴恩达机器学习（七）神经网络（反向传播）

目录0.前言1.代价函数（CostFunction）2.反向传播（backpropagation）3.前向传播和反向传播的结合4.梯度检测（gradientchecking）5.随机初始化学习完吴恩达老师机器学习课程的神经网络，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.前言上一篇文章中，介绍了神经网络的前向传播（
zhq9695·2018-09-27 15:51

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
CareyWYR·2018-09-27 00:00

机器学习概览2

---吴恩达机器学习是一项能帮助计算机从现有数据中学习，以便预测未来的行为，结果和趋势的数据科学技术。---微软-机器学习利用历史数据进行预测-机器学习是如何工作的-机器学习
菜鸟-朋子·2018-09-26 19:40
上一页 37 38 39 40 41 42 43 44 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他