吴恩达机器学习:week2

吴恩达机器学习-PCA

1.PCA理论原理1.降维与PCA  降维：将数据由原来的n个特征缩减为k个特征（可能从n个中直接选取k个，也能根据这n个重新组合成k个）。可起到数据压缩的作用（因而也就存在数据丢失）。  PCA：即主成分分析法，属于降维的一种方法。其主要思想是：根据原始的n个特征（也就是n维），重新组合出k个特征，且这k个特征能最大量度地涵盖原始的数据信息（虽然会导致信息丢失，但所丢失信息可忽略不计）。有一个结
NLP菜鸟·2023-01-08 02:54

吴恩达机器学习课程13——降维

目录降维与数据压缩降维与可视化数据主成分分析法（PCA）什么是PCA数据预处理算法操作主成分数量选择压缩重现PCA的应用如有不妥，还请不吝指正~降维与数据压缩降维可以使数据规模减小，从而起到节约空间、加快算法执行等作用。数据压缩这个词我们还比较好理解，那降维是怎么一回事呢？它们两个是怎么扯上关系的呢？降维，其实就是一种削减特征数量的手段。为什么要削减特征数量呢？众所周知，特征少了不好，多了也不好，
CtrlZ1·2023-01-08 02:54

吴恩达机器学习（十七）—— 降维

吴恩达机器学习系列内容的学习目录→\rightarrow→吴恩达机器学习系列内容汇总。
大彤小忆·2023-01-08 02:18

【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
weixin_30918415·2023-01-07 17:41

2022吴恩达机器学习第2课week2

2022吴恩达机器学习课程学习笔记（第二课第二周）1-1TensorFlow实现1-2模型训练细节2-1sigmoid激活函数的替代方案2-2如何选择激活函数如何为输出层选择激活函数如何为隐藏层选择激活函数
天微亮。·2023-01-07 09:57

吴恩达机器学习（十八）—— ex7：K-means Clustering and Principal Component Analysis (MATLAB + Python)

吴恩达机器学习系列内容的学习目录→\rightarrow→吴恩达机器学习系列内容汇总。
大彤小忆·2023-01-06 07:12

机器学习——逻辑回归(分类)编程训练

机器学习——逻辑回归(分类)编程训练参考资料：1.黄海广老师：吴恩达机器学习笔记github本文是吴恩达机器学习课程中的第二个编程训练。
苏打水可乐·2023-01-05 19:30

《剑指offer》题解——week2（持续更新）

《剑指offer》题解——week2一、剑指Offer14-I.剪绳子1.题目描述2.思路分析3.代码实现二、剑指Offer14-II.剪绳子II1.题目描述2.思路分析3.代码实现三、剑指Offer15
Java技术一点通·2023-01-05 17:08

吴恩达Couresa课程——第二部分：监督学习week2 （已结束）

4.2多项式回归以多元线性回归和特征工程的思想得到一种称为多项式回归的新算法。可以拟合非线性曲线。这是线性回归时使用的预测模型：先看看按照以前的线性回归方法的效果：#createtargetdatax=np.arange(0,20,1)y=1+x**2X=x.reshape(-1,1)model_w,model_b=run_gradient_descent_feng(X,y,iterations=
jqqjrr123·2023-01-05 13:38

吴恩达Couresa课程——第二部分：监督学习week2 （未完待续，见下一篇）

如有任何公式错误或者文字说明错误，请留言指正哦~~~~问题引入描述：下面您需根据以下数据构建一个线性回归模型，并预测一栋拥有1200平方英尺、3间卧室、1层楼、40年历史的房子。一、多元线性回归模型1.1多元线性回归函数以上表格内给出了4个特征（大小、卧室数量、地板数量、房子年龄）分别记为x1、x2、x3、x4，每个特征对应一个wi。多元特征线性回归函数一般形式为写成向量形式为：w和x之间是点乘。
jqqjrr123·2023-01-05 13:02

吴恩达Course1《神经网络与深度学习》week2:神经网络基础

1.二元分类举例说明逻辑回归logisticregression是一个用于二分类的算法。什么是二分类呢？举一个例子：输入一张图片到逻辑回归模型中，该算法输出得到1（是猫）或0（不是猫）。更具体来说，应该如何将一张图片转化为输入值呢？在计算机中，一张图片的存储方式是用三个矩阵分别存储图片中的红、绿、蓝。假设一张图片的大小为64*64px，则一张图片的总数据量为64*64*3=12288。顺序取出红、
weixin_44748589·2023-01-05 09:58

如何深度理解梯度？『吴恩达神经网络和深度学习补充资料Part1 DeepLearning-WEEK2』

[WEEK2]BasicsofNeuralNetworkprogramming可能大家学完了这一周的课，虽然吴教授通过图像的方式给大家直观的讲解了何为梯度的概念，但其实大家对梯度还没有很清楚的理解。
error13·2023-01-05 09:48

吴恩达【神经网络和深度学习】Week2——神经网络基础

文章目录1、LogisticRegressionasaNeuralNetwork1.1、BinaryClassification1.1.1、Introduction1.1.2、Notations1.2、LogisticRegression1.3、LogisticRegressionCostFunction1.4、GradientDescent1.5、Derivatives（导数）1.6、Mored
小白有颗大白梦·2023-01-05 09:45

吴恩达机器学习课程C1W2_lab03 运行时找不到lab_utils_multi模块

如果在自己写程序遇到找不到lab_utils_multi模块的情况，可以按下列步骤解决：1.在coursera实验室文件中，虽然看不到这个文件，但是可以点击下载所有文件，下载完成后在下载文件中就能找到lab_utils_multi.py2.把lab_utils_multi.py复制到当前你的程序所在的目录下面，再按照课程代码运行即可
m0_59884851·2023-01-04 20:10

吴恩达机器学习踩过的坑

1.lab_utils_uni文件，这是吴老师自己写的代码？百度叫piplab什么的都无效。有需要的直接去github取别人整理出来的这个文件。GitHub-kaieye/2022-Machine-Learning-Specialization
双鱼--玉佩·2023-01-04 15:05

吴恩达机器学习笔记（8）——模型评估与机器学习诊断法

一、如何改进一个机器学习算法假设你已经训练出一个机器学习算法，但是效果不太好，那么有以下几种改进方法：1、获得更多的训练数据2、选用更少的特征3、增加特征量4、增加高次项5、增大或减小正则化参数lambda的值很多人只是随机选择上述方法的一种，即浪费时间又没有效果。所以接下来会介绍模型的评估及机器学习的诊断法。二、模型评估(EvaluatingaHypothesis)1、评估假设：一个训练误差最小
阿尔基亚·2023-01-03 12:04

吴恩达Course1《神经网络与深度学习》week2:神经网络基础 测验及作业

第二周测验1.神经元节点先计算线性函数（z=Wx+b），再计算激活。注：神经元的输出是a=g（Wx+b），其中g是激活函数（sigmoid，tanh，ReLU，…）2.逻辑回归损失函数：(^(),())=−()log^()−(1−())log(1−^())3.假设img是一个（32,32,3）数组，具有3个颜色通道：红色、绿色和蓝色的32x32像素的图像。如何将其重新转换为列向量？x=img.re
weixin_44748589·2023-01-02 15:59

吴恩达机器学习[9]-神经网络学习

神经网络学习NeuralNetwork非线性假设Non-linearhypotheses神经元与大脑Neuronsandthebrain模型展示1Modelrepresentation1模型展示2Modelrepresentation2例子与直觉理解1Examplesandintuition1例子与直觉理解2Examplesandintuition2多元分类Multi-classclassific
踏归1234·2023-01-02 07:19

吴恩达机器学习编程作业总结——具有神经网络思维的Logistic回归

目录吴恩达机器学习编程作业总结——具有神经网络思维的Logistic回归1.猫教程1.1训练集和测试集介绍1.2图片数据处理1.2.1对图片降维，转置：1.2.2标准化，图片数据的每一行除以255，使其处于
发光的黑暗·2023-01-02 07:19

吴恩达机器学习正则化Logistic算法与神经网络的MATLAB实现（对应ex3练习）

前言：本次作业主要是一个多分类案例的实现。其主要是利用logistic算法，多分类与二分类问题相似。其主要思想是将N类别的分类转换成N个二分类问题，每次选择其中一个类别作为正类，其余的类别都作为反类，计算出相应的权重。最后通过计算出来的N个权重对输入样本做预测，选取其中最大输出作为最终的输出。lrCostFunction.m该函数是正则化logistic算法的实现，包括计算代价函数和梯度，值得注意
非常满意·2023-01-02 07:15

吴恩达机器学习课程07——神经网络学习

目录神经网络模型前向传播反向传播神经网络模型关于这一块的入门知识，比如什么是神经网络呀，等等抽象的入门概念，我不打算讲太多，准确的说，吴恩达老师的课程里已经陈述了一遍了，比较好理解，没有太多要讲的地方。今天的话，我主要想再讲一下前向传播和反向传播的知识（主要是反向传播），这一块其实吴恩达老师也拿出了很多的时间来讲解，但是说实话，这一块内容比较的绕，需要一定的数学功底，之前我也专门总结过很多次了，即
CtrlZ1·2023-01-02 07:45

Python吴恩达机器学习作业 4 - 神经网络

编程作业4-神经网络对于这个练习，我们将再次处理手写数字数据集，这次使用反向传播前馈神经网络。我们将通过反向传播算法实现神经网络成本函数和梯度计算的非正则化和正则化版本，我们还将实现随机权重初始化和使用网络进行预测的方法。由于我们在练习3中使用的数据集是相同的，所以我们将重新使用代码来加载数据。importnumpyasnpimportpandasaspdimportmatplotlib.pypl
Puzzle harvester·2023-01-02 07:45

吴恩达机器学习——Andrew Ng machine-learning-ex3 python实现

目录Exercise3:Multi-classClassificationandNeuralNetworks1.Multi-classClassification1.1LoadingandVisualizingData1.2VectorizeLogisticRegression1.3One-vs-AllTraining1.4PredictforOne-Vs-All2.NeuralNetworks2.1
令狐傻笑·2023-01-02 07:10

吴恩达机器学习（七）—— 神经网络：Representation

吴恩达机器学习系列内容的学习目录→\rightarrow→吴恩达机器学习系列内容汇总。
大彤小忆·2023-01-02 07:31

吴恩达机器学习课程笔记(英文授课) Lv.2 新手村（分类）

目录6-1分类6-2假设陈述6-3决策界限decisionboundary6-4代价函数6-5简化代价函数与梯度下降6-6高级优化算法6-7多元分类：一对多7-1过拟合问题7-2代价函数7-3线性回归的正则化7-4logistic回归的正则化温故而知新~~~~6-1分类1.内容：当预测的变量y是一个离散值（012345.。。）情况下的分类问题，逻辑（logistic）回归算法，当今最流行、最广泛使
玉一·2023-01-01 13:20

吴恩达机器学习[8]-正则化在线性回归、logistic回归应用与python实现

正则化-线性回归及logistic回归的应用与python实现过拟合问题overfitting问题识别过拟合问题解决代价函数costfunction线性回归的正则化logistic回归的正则化代码实现+可视化过拟合问题overfitting问题识别欠拟合（underfitting)或高偏差（highbias），拟合效果差恰好拟合（justright）过拟合（overfiiting）或高方差（hig
踏归1234·2023-01-01 13:20

吴恩达机器学习—— 六、逻辑回归（Logistic Regression）

六、逻辑回归（LogisticRegression）6.1分类问题算法的性质是：它的输出值永远在0到1之间。当hθ(x)>=0.5{h_\theta}\left(x\right)>=0.5hθ(x)>=0.5时，预测y=1y=1y=1。当hθ(x)<0.5{h_\theta}\left(x\right)<0.5hθ(x)<0.5时，预测y=0y=0y=0。6.2逻辑函数hθ(x)=g(θTX)h_
天天152·2023-01-01 13:50

《吴恩达机器学习》15 异常检测

异常检测前言一、高斯分布1、问题描述2、算法二、异常检测方法应用1、应用方式2、异常检测与监督学习比较3、特征选择三、多变量的高斯分布总结前言异常检测首先不是检测机器学习算法中的异常，也不是一个算法，它指的是一种应用场景（刚开始时我也陷入这两种猜测。。。）比如在工厂内生产一批零件，我们用高斯分布的方法来预测新生产的零件的异常状况。这就是本章学习的内容——异常检测一、高斯分布正态分布（Normald
JockerWong·2023-01-01 13:18

《吴恩达机器学习》18 机器学习总结

前言原机器学习最后一章的内容为图片文字识别，但是笔者在看了这一章的课程之后发现其内容可能实际应用性不大，课程讲的ocr识别的方法已经不适合目前主流的算法（目前主流使用CNN——卷积神经网络），故省略这一章节的笔记，改为对整个机器学习课程的总结。一、监督学习算法1、线性回归线性回归是利用数理统计中回归分析，来确定两种或两种以上变量间相互依赖的定量关系的一种统计分析方法，运用十分广泛。其表达形式为hθ
JockerWong·2023-01-01 13:18

《吴恩达机器学习》6 Logistic 回归

Logistic回归前言一、Logistic回归1、分类算法2、决策边界二、代价函数及梯度下降法1、代价函数2、简化模型3、梯度下降法三、高级优化算法及多分类问题1、几种高级优化算法2、多分类问题总结前言前面的课程我们讨论的都是线性回归方程，比如根据历史数据预测房价等，他们的共同特别就是数据是一种随着变量呈现一种线性关系。那么对于分类问题，如根据邮件的内容标记是否垃圾邮件，机器学习的解法又是怎么样
JockerWong·2023-01-01 13:17

吴恩达机器学习笔记（6）——Logistic回归

1.Classification我们可以尝试使用线性回归来实现分类，所要做的就是在线性回归拟合数据以后给他一个threshold（阈值），例如在下面的例子中，就可以给一个0.5作为阈值（当hθ(x)的值大于等于0.5时，预测y为1；当hθ(x)小于0.5时，预测y为0）来预测肿瘤的性质（良性或恶性）。在这种情况下，我们所看到的使用线性回归来实现分类任务好像没有问题，但是，当我们多了一个训练样本时，
不跑步就等肥·2023-01-01 13:47

吴恩达机器学习笔记week6——逻辑回归 Logistics Regression）

吴恩达机器学习笔记week6——逻辑回归LogisticsRegression）6-1.分类Classification6-2.假设陈述HypothesisRepresentation6-3.决策界限decisionboundary6
Saulty·2023-01-01 13:44

吴恩达机器学习新课程又来了！旁听免费，小白友好

Alex发自凹非寺量子位|公众号QbitAI吴恩达的经典机器学习课程又双叒开新课了！今天，吴老师发推分享了这则好消息。该课程由deeplearning.ai和斯坦福大学提供，目前已上线Coursera。和之前机器学习课程不同的是，本系列课程对ML初学者友好，不用学员有太多数学背景。（不过线性代数和高等数学基础知识还是需要掌握的）对此，评论区洋溢着激动和喜悦之情。有人表示：终于等到你！甚至还有网友已
风度78·2022-12-31 12:11

nlp——机器学习（2）

下面是今天学习笔记：吴恩达机器学习笔记：梯度下降算法：应用于线性回归，还有其他机器学习的应用上思路：开始于0，1，不停改变0，1去减少代价函数J，直到我们找到J的最小值或者局部最小值反复做一步直到收敛:
soobinnim·2022-12-30 22:57

机器学习算法笔记(1)——逻辑斯蒂回归Logistic处理二分类任务

逻辑斯蒂回归LogisticRegressor处理二分类任务一.逻辑斯蒂回归1.模型2.代价函数（损失函数）3.优化算法二.代码实现1.二维二分类2.多维二分类本系列为观看吴恩达老师的[中英字幕]吴恩达机器学习系列课程做的课堂笔记
念旧NiceJeo·2022-12-30 16:54

【机器学习（九）】大数据集及其梯度下降算法

声明：本文是以吴恩达机器学习系列课程为学习对象而作的学习笔记。本文对应P102-P105。大数据集假定你的训练集的大小m为100000000。如果你想训练一个线性回归模型或是一个逻辑回归模型。
趴抖·2022-12-29 21:31

【机器学习（八）】神经网络进阶

声明：本文是以吴恩达机器学习系列课程为学习对象而作的学习笔记。本文对应P50-P56。
趴抖·2022-12-29 21:59

INT102 算法笔记

PDF版本下载文章目录week1伪代码与时间复杂度伪代码（PseudoCode）时间复杂度（Timecomplexity）week2评估基础查找与排序算法线性查找（LinearSearch）二分法查找（
sanmusen_wu·2022-12-29 10:33

学习记录(3):使用卷积神经网络进行手写数字识别

这些学习都是在学习了一些机器学习和深度学习的基础上的延伸，并且也学习了一部分pytorch的基础上，以下为相关链接：吴恩达机器学习吴恩达深度学习莫烦pytorch学习下面代码均上传到github上，链接如下
ZN-ZY·2022-12-29 03:23

学习记录(1)：机器学习使用numpy矩阵进行梯度下降进行曲线拟合

这些学习都是在学习了一些机器学习和深度学习的基础上的延伸，并且也学习了一部分pytorch的基础上，以下为相关链接：吴恩达机器学习吴恩达深度学习莫烦pytorch学习下面代码均上传到github上，链接如下
ZN-ZY·2022-12-29 03:52

【吴恩达机器学习笔记】第五章 神经网络学习

【吴恩达机器学习笔记】第五章神经网络学习1、神经网络模型我们将一个神经元模拟成一个逻辑单元，下图表示对hθ(x)h_{\theta}(x)hθ(x)进行计算的神经元，黄色圆圈代表一个神经元，蓝色圆圈代表树突或轴突传输的信号
毕君郁·2022-12-28 12:13

吴恩达机器学习入门笔记7-神经网络

7神经网络解决特征数量过多，线性回归与逻辑回归算法参数过多的情况7.1M-P神经元模型神经元接收其他n个神经元传递的输入信号，加权和作为总输入值，与神经元阈值比较，再通过激活函数处理产生神经元输出，激活函数为sigmoid函数，是设定在神经元上的函数，典型的激活函数为sigmoid函数7.2感知机最简单的神经网络，输入层仅接收外界信号，输出层为M-P神经元，可容易实现逻辑与或非运算，感知机权重学习
杰斯洛兰德·2022-12-28 12:41

【机器学习（四）】分类问题与logistic回归模型

声明：本文是以吴恩达机器学习系列课程为学习对象而作的学习笔记。本文对应P32-P36、P38。情景引入在前面几篇文章中，我们提到了判断邮件是否为垃圾邮件的例子，以及良性与恶性肿瘤的例子。
趴抖·2022-12-28 12:07

【机器学习（六）】过拟合问题及正则化

声明：本文是以吴恩达机器学习系列课程为学习对象而作的学习笔记。本文对应P39-P42。过拟合问题下面是一个用线性回归来预测房价的例子：第一种拟合没有很好地拟合训练集，称其为欠拟合。
趴抖·2022-12-28 12:07

【机器学习（五）】高级优化

声明：本文是以吴恩达机器学习系列课程为学习对象而作的学习笔记。本文对应P37。回顾梯度下降算法我们有一个代价函数J，而我们想要使它最小化。
趴抖·2022-12-28 12:35

【机器学习（七）】神经网络入门及多元分类

声明：本文是以吴恩达机器学习系列课程为学习对象而作的学习笔记。本文对应P43-P49。神经网络的起源人们想尝试设计出模仿大脑的算法。它的理念就是，如果我们想要建立学习系统，我们可以选择去模仿大脑。
趴抖·2022-12-28 12:35

《机器学习》学习笔记2：多变量线性回归

Week2多变量线性回归基于吴恩达《机器学习》课程参考黄海广的笔记本篇博客为第二周的内容。
Mengo_x·2022-12-28 09:04

吴恩达机器学习手写笔记（持续更新ing）

吴恩达机器学习笔记文章目录吴恩达机器学习笔记1.Introduction2.Linearregressionwithonevariable3.LinearAlgebrareview4.多变量线性回归（Linearregressionwithmultiplevariables
Mrwei_418·2022-12-26 13:02

吴恩达AI机器学习-01神经网络与深度学习week2中-神经网络基础

‼️博客为作者学习回顾知识点所用，并非商用，如有侵权，请联系作者删除‼️目录2.11向量化什么是向量化vectorization？loop循环向量化2.12向量化的更多例子2.13向量化Logistic回归2.14向量化Logistic回归的梯度输出2.15python中的广播2.11向量化什么是向量化vectorization？importnumpyasnpa=np.array[1,2,3,4]
SuzyBaiiyy:)·2022-12-24 13:41

K-means聚类与PCA【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记出处的转载如有问题请联系作者所有非手画图像（除公式）均来自课程侵删—————————————————————————————————————
爱看动漫的李皮皮·2022-12-24 13:58
上一页 5 6 7 8 9 10 11 12 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他