吴恩达机器学习入门

2019-07-20机器学习完成

今天终于完成了吴恩达的机器学习课程，所有作业都已经完成，历时半年，难掩心中的兴奋。有时候也会迷茫，下一步，要学什么呢？
Wincent__·2023-10-24 06:19

循环神经网络（Recurrent Neural Network Model）

来源：Coursera吴恩达深度学习课程上篇文章介绍了RNN的数学符号（Notation），现在我们讨论一下怎样才能建立一个神经网络来学习X到Y的映射。如下图所示。
双木的木·2023-10-23 23:35

反向传播是怎么回事？详细教程2019-05-22

反向传播的详细推导一文弄懂神经网络中的反向传播法——BackPropagation最近在看深度学习的东西，一开始看的吴恩达的UFLDL教程，有中文版就直接看了，后来发现有些地方总是不是很明确，又去看英文版
loveevol·2023-10-23 22:14

tensorflow1.X学习（一）MNIST机器学习入门：问题多多与激情满满

第一章开篇第一句“MNIST手写字符识别”是机器学习里的“HelloWorld”，学完了这一章后，表示确实跟只学会打印“HelloWorld”一样，保持在只会抄一下，而且那句机器学习入门，让我又看了一眼书的标题是深度学习
Zach_菠萝侠·2023-10-23 13:28

ChatGLM-6B+LangChain与训练及模型微调教程

Ref:讲解视频【官方教程】ChatGLM+LangChain实践培训_哔哩哔哩_bilibili吴恩达教授讲的【LangChain+ChatGLM-6B】LLM应用开发实践LangChain_Intro_v02
人鱼线·2023-10-22 20:20

深度学习第二天--卷积神经网络

在这里说明一下，卷积神经网络主要应用在图像识别上面，吴恩达在谷歌主要做的工作就是这个。我们对一张简单的图像进行一个预处理后，会得到我们用人眼，人脑所不能体会到的一些特征
月过不了头·2023-10-22 13:45

Python机器学习入门指南

前言机器学习作为人工智能领域的核心组成，是计算机程序学习数据经验以优化自身算法，并产生相应的“智能化的”建议与决策的过程。一个经典的机器学习的定义是：AcomputerprogramissaidtolearnfromexperienceEwithrespecttosomeclassoftasksTandperformancemeasureP,ifitsperformanceattasksinT,a
金戈鐡馬·2023-10-22 08:43

吴恩达深度学习编程作业报错解决方法汇总

概述及资源分享大二结束后的暑假，学习吴恩达深度学习（[双语字幕]吴恩达深度学习deeplearning.ai_哔哩哔哩_bilibili）的课程，在做编程作业的时候总是遇到一些报错，尤其是导入所需要的库的时候会报一些
就喜欢你看不惯我又干不掉我的样子Hhhh·2023-10-22 04:02

Python 机器学习入门之ID3决策树算法

系列文章目录第一章Python机器学习入门之线性回归第一章Python机器学习入门之梯度下降法第一章Python机器学习入门之牛顿法第二章Python机器学习入门之逻辑回归番外Python机器学习入门之
bug别找我·2023-10-21 18:23

第三章 Python 机器学习入门之C4.5决策树算法

系列文章目录第一章Python机器学习入门之线性回归第一章Python机器学习入门之梯度下降法第一章Python机器学习入门之牛顿法第二章Python机器学习入门之逻辑回归番外Python机器学习入门之
bug别找我·2023-10-21 18:17

吴恩达《生成式 AI》重磅发布！

吴恩达教授可能是许多人接触AI的启蒙课导师吧，在过去的十多年中，他的《MachineLearning》课程已经对数百万的学习者产生了积极影响。
机器学习社区·2023-10-21 18:41

【学习笔记】吴恩达机器学习 | 汇总 | 已完结！！！

非常感谢AndrewNg吴恩达教授的无私奉献！！！索引第一章机器学习绪论MachineLearning机器学习Supervisedlearning监督学习Unsupervisedlea
Benjamin Chen.·2023-10-21 05:36

机器学习入门五（随机森林模型数据分类及回归）

目录前言一、随机森林模型简介二、随机森林模型数据分类。2.1简单阐述一下训练和测试数据2.2创建模型并训练2.3获取每个特征的重要性并可视化2.4分析决策树的数量对模型精确程度的影响2.5网格搜索确定最佳参数三、随机森林模型回归3.1波士顿房价数据集简介3.2数据回归3.3特征重要性可视化3.4网格搜索确定最佳参数总结前言本文主要介绍随机森林模型，以及随机森林模型在分类任务和回归任务中的应用，这次
朱笨笨·2023-10-21 04:55

机器学习入门____5.集成学习算法与随机森林

集成学习算法集成学习通过建立几个模型组合的来解决单一预测问题。它的工作原理是生成多个分类器/模型，各自独立地学习和作出预测。这些预测最后结合成单预测，因此优于任何一个单分类的做出预测。常见集成方法Bagging百度百科的解释：1.给定一个弱学习算法,和一个训练集;2.单个弱学习算法准确率不高;3.将该学习算法使用多次,得出预测函数序列,进行投票;4.最后结果准确率将得到提高.简单的理解就是同一种算
黑豪·2023-10-21 04:53

27 机器学习入门篇2 3-算法：随机森林与集成算法

1-集成算法-随机森林2-特征重要性衡量3-提升模型4-堆叠模型已看完:::::::::::::::::
啊六六六·2023-10-21 04:52

【机器学习入门笔记】第八篇-随机森林

使用泰坦尼克数据，用sklearn决策树和随机森林进行预测比对1.决策树（准确率：0.7811550）#1)获取数据importpandasaspddata=pd.read_csv("titanic.csv")#2)准备好特征值目标值x=data[["pclass","age","sex"]]y=data["survived"]#3)数据处理#缺失值处理x["age"].fillna(x["age
细细东风能找到好工作·2023-10-21 04:22

es6（三）——常用es6（函数、数组、对象的扩展）

ES6的系列文章目录第一章Python机器学习入门之pandas的使用文章目录ES6的系列文章目录0、数值的扩展一、函数的扩展1、函数的默认值2、函数的reset参数二、数组的扩展1.将对象转成数组的Array.from
前端张三·2023-10-21 02:24

方法试用：基于强化学习提高EEG分类准确率的特征选择方法（完整代码）

一、强化学习类详解这一部分主要详细讲述代码中强化学习类的部分，关于强化学习的相关知识可从视频吴恩达机器学习中获取。def__init__(self,n_states,n_acti
槿花Hibiscus·2023-10-21 02:45

吴恩达开新课了：面向所有人的生成式 AI 课程！我已偷偷学了起来

作者|智商掉了一地斯坦福大学的吴恩达教授可能是许多人接触AI的启蒙课导师吧，在过去的十多年中，他的《MachineLearning》课程已经对数百万的学习者产生了积极影响。
夕小瑶·2023-10-21 00:10

Python 机器学习入门之K-Means聚类算法

系列文章目录第一章Python机器学习入门之线性回归K-Means聚类算法系列文章目录前言一、K-Means简介1、定义2、例子3、K-Means与KNN二、K-Means实现1、步骤2、优化2.1初始化优化之
bug别找我·2023-10-20 15:21

吴恩达教授关于python numpy库的技巧

FirstExampleimportnumpyasnpa=np.random.randn(5)print(a)print(a.shape)result:[1.189619880.057224651.83658954-0.6092621-1.32062653](5,)Thearrayofahavefivegaussianrandomnumbervariablesandtheshapeofarraya
倒霉蛋or幸运儿·2023-10-20 10:58

Keil环境下用STM32汇编语言工程分析HEX文件内容

系列文章目录提示：这里可以添加系列文章的所有文章的目录，目录需要自己手动添加例如：第一章Python机器学习入门之pandas的使用提示：写完文章后，目录可以自动生成，如何生成可参考右边的帮助文档文章目录系列文章目录前言一
等流年·2023-10-20 04:48

吴恩达深度学习--m个样本的梯度下降

我们关心得J（w,b）是一个平均函数，这个损失函数L。a^i是训练样本的预测值以上是对于单个例子的逻辑回归。我们可以初始化J=0，dw1dw2db都为0回顾我们正在做的细节，dw1、dw2、db作为累加器
862180935588·2023-10-19 22:46

【Machine Learning】01-Supervised learning

01-Supervisedlearning1.机器学习入门1.1WhatisMachineLearning?
MikeBennington·2023-10-19 14:52

Introduction - Unsupervised Learning

摘要:本文是吴恩达(AndrewNg)老师《机器学习》课程，第一章《绪论：初识机器学习》中第4课时《无监督学习》的视频原文字幕。为本人在视频学习过程中逐字逐句记录下来以便日后查阅使用。现分享给大家。
王彩旗 edwardwangcq.com·2023-10-19 14:13

收集一些有用的网址

1.吴恩达深度学习课后作业汇总2.机器学习基石课后练习汇总3.sublimetext主题生成器持续更新
Sundw_RUC·2023-10-19 10:07

deep learning日常小Bug汇总

“千里之堤，溃于蚁穴；”一些细节可能导致整个程序的问题，将在吴恩达作业中个人遇到的小bug总结一下。1.在做吴恩达深度学习课第一课第三周作业时，发现梯度不变，后来找到原因是因为1和1.0。。
AI算法札记·2023-10-19 10:29

带你少走弯路：强烈推荐的TensorFlow快速入门资料和翻译（可下载）

知识更新非常快，需要一直学习才能跟上时代进步，举个例子：吴恩达老师在深度学习课上讲的TensorFlow使用，这个肯定是他近几年才学的，因为谷歌开源了TensorFlow也就很短的时间。
湾区人工智能·2023-10-19 07:47

吴恩达 tensorflow2.0 实践系列课程（3）：NLP

tensorflow2.0中的自然语言处理基本都是入门级的，而且也正如课程设计目标，主体放在tensorflow的基本使用上。围绕的NLP相关问题有：文本如何变为数字送入模型进行处理？（word-key/one-hot、embeddings）文本分类怎么做？比如情感分析？贴label做分类文本预测怎么做？比如模仿莎士比亚文笔？这里必须将文本视作序列，所以用LSTMs。0Aconversationw
Abandon_first·2023-10-19 07:16

机器学习笔记 四 ：线性回归（Linear regression）及房屋数据集的回归

目录1.单变量线性回归：2.多变量线性回归 最近在学习吴恩达老师的机器学习课程，所以在这里记录一下，主要是完成他的课后作业。
Amyniez·2023-10-19 03:43

吴恩达机器学习作业（2）：多元线性回归

目录1）数据处理2）代价函数3）Scikit-learn训练数据集4）正规方程练习1还包括一个房屋价格数据集，其中有2个变量（房子的大小，卧室的数量）和目标（房子的价格）。我们使用我们已经应用的技术来分析数据集。1）数据处理还是那个建议，大家拿到数据先看看数据长什么样子。path='ex1data2.txt'data2=pd.read_csv(path,header=None,names=['Si
自动驾驶小学生·2023-10-19 03:43

吴恩达深度学习--向量化的更多例子

需要记住的经验之谈：当你在编写神经网络或逻辑回归时，都要尽可能避免使用显示的for循环，有时候无法完全避免for循环，但如果能使用内置函数或其他方法来计算想要的答案，通常会比直接用for循环跟快例子1：你想要计算向量U，它是矩阵A和向量V的乘积：根据矩阵乘法的定义:非向量化的实现方法是;这是一个两层的for循环，分别对i和j进行循环向量化的实现方式是：消除了两层for循环，运行速度要快的多例子2：
862180935588·2023-10-17 11:12

如何判断你和优秀AI算法工程师之间的差异？

就连硅谷大佬吴恩达，都会利用碎片化的时间读AI论文，吴恩达老师不仅经常读AI论文，还给我们总结了读论文的方法。他认为，我们在读论文时，要带着4个问题去读：作者
边缘计算社区·2023-10-17 07:11

python拟合曲线_[ML]从最简单的撸起－python实现线性拟合数据

目标：实现将图中的大量红色X状标记拟合为图中所示的一条蓝色直线基本思想：吴恩达的coursera机器学习课程变量线性回归章节；递度下降法实现：1.引入相关库：这里用到了python的科学计算库numpy
weixin_39693950·2023-10-17 03:19

吴恩达机器学习——降维

1.降维能做的：1）数据压缩：占用更少的内存和硬盘空间。加速学习算法。2）数据可视化：维度降到2或3就可以可视化数据。（从图中推测各维度代表的意义大概是什么）2.降维：从高维度映射/投影到低维度空间上。试图找到一个低维度的空间，使投影误差最小。例如从n维降到k维，就是找k个向量，使得从n维空间数据投影的投影误差最小。3.线性回归和降维的区别：线性回归是要预测y值，所以要最小化的是y轴方向上点到线的
睡不好觉的梨·2023-10-16 18:01

鸿蒙系统学习笔记

二、使用鸿蒙1.安装IDE2.使用鸿蒙IDE3.创建第一个项目总结目录提示：这里可以添加系列文章的所有文章的目录，目录需要自己手动添加例如：第一章Python机器学习入门之pandas的使用提示：写完文章后
宇龙神·2023-10-16 03:58

Python 机器学习入门之牛顿法

系列文章目录第一章Python机器学习入门之线性回归第一章Python机器学习入门之梯度下降法第一章Python机器学习入门之牛顿法牛顿法系列文章目录前言一、牛顿法1.牛顿法简介2.基本原理总结前言上一篇文章里面说到了梯度下降法
bug别找我·2023-10-16 00:30

Python 机器学习入门之K近邻算法

系列文章目录第一章Python机器学习入门之线性回归第一章Python机器学习入门之梯度下降法第一章Python机器学习入门之牛顿法第二章Python机器学习入门之逻辑回归番外Python机器学习入门之
bug别找我·2023-10-16 00:30

Python 机器学习入门之逻辑回归

系列文章目录第一章Python机器学习入门之线性回归第一章Python机器学习入门之梯度下降法第一章Python机器学习入门之牛顿法第二章Python机器学习入门之逻辑回归逻辑回归系列文章目录前言一、逻辑回归简介二
bug别找我·2023-10-16 00:54

机器学习入门（九）：回归与聚类算法——线性回归、过拟合、岭回归

学习目录：线性回归：案例：波士顿房价预估（比较正规方程和梯度下降优化方法）使用正规方程优化：使用梯度下降优化：使用均方误差（MSE）评估模型好坏：总结：过拟合与欠拟合正则化类别：**L2正则化（常用）：**给损失函数后面加一个惩罚项，这个惩罚项与权重有关，在优化损失函数降低损失值得同时还可以减小特征对应的权重。L1正则化：岭回归就是带L2正则化的线性回归案例：使用岭回归对波士顿放假预测
【 变强大 】·2023-10-15 05:37

如何理解深度学习中迁移学习、预训练、微调的概念

说明本文为观看吴恩达深度学习课程视频所做的学习笔记吴恩达deeplearning.aiPart3结构化机器学习项目第二周机器学习（ML）策略（2）2.7迁移学习正文假设已经训练好一个图像识别神经网络，如果让这个图像识别神经网络适应或者说迁移不同任务中学到的知识
全幼儿园最聪明·2023-10-15 04:13

吴恩达深度学习笔记(31)-为什么正则化可以防止过拟合

为什么正则化有利于预防过拟合呢？（Whyregularizationreducesoverfitting?）为什么正则化有利于预防过拟合呢？为什么它可以减少方差问题？我们通过两个例子来直观体会一下。左图是高偏差，右图是高方差，中间是JustRight，这几张图我们在前面课程中看到过。现在我们来看下这个庞大的深度拟合神经网络。我知道这张图不够大，深度也不够，但你可以想象这是一个过拟合的神经网络。这是
极客Array·2023-10-14 20:17

深度学习自学2.0

深度学习自学学习路径别人推荐的学习的路径：快速上手：1.理论基础:吴恩达的机器学习和深度学习2.代码基础：Python3.框架基础：pytorch4.搭建模型：霹雳叭啦/Bubbliiing/深度学习麋了鹿进阶
咬树羊·2023-10-14 17:19

es6（三）—— set（集合） 和map的使用

ES6的系列文章目录第一章Python机器学习入门之pandas的使用文章目录ES6的系列文章目录一、set（集合）0.定义1.基本使用2.常用方法（1）代码（2）效果（3）遍历二、map0.定义1.基本使用
前端张三·2023-10-14 15:57

吴恩达机器学习——Andrew Ng machine-learning-ex2 python实现

目录Exercise2:LogisticRegression1.LogisticRegression1.1Plotting1.2sigmoidfunction1.3Costfunctionandgradient1.4Optimize1.5Predict2.Regularizedlogisticregression2.1Plotting2.2Costfunctionandgradient2.3Opt
令狐傻笑·2023-10-14 05:24

NodeMcu arduino ESP8266 使用WIFIManager 库

WiFiManager库使用说明提示：这里可以添加系列文章的所有文章的目录，目录需要自己手动添加例如：第一章Python机器学习入门之pandas的使用提示：写完文章后，目录可以自动生成，如何生成可参考右边的帮助文档文章目录
闰土小蒋·2023-10-13 19:05

从零开始基于LLM构建智能问答系统的方案

LLM的端到端问答系统，应该包括用户输入检验、问题分流、模型响应、回答质量评估、Prompt迭代、回归测试，随着规模增大，围绕Prompt的版本管理、自动化测试和安全防护也是重要的话题，部分代码参考自吴恩达老师
骑猪兜风233·2023-10-13 14:56

27 机器学习入门篇2 5-算法：贝叶斯算法

1-贝叶斯算法概述2-贝叶斯推导实例3-贝叶斯拼写纠错实例4-垃圾邮件过滤实例5-贝叶斯实现拼写检查器已看完::::::::::::::
啊六六六·2023-10-13 06:08

机器学习入门3 - 了解K-means

我们在机器学习入门已经学习了两节课，分别接触了动态规划，机器学习的背景，特征向量以及梯度下降。
茶桁·2023-10-12 07:14

机器学习入门2 - 理解特征和向量

文章目录机器学习初探特征和向量机器学习的通用框架梯度下降Hi,你好。我是茶桁。上一节课，咱们用一个案例引入了机器学习的话题，并跟大家讲了一下「动态规划」。那这节课，我们要真正进入机器学习。机器学习初探在正式开始之前，我们来想这样一个问题：我为什么要先讲解「动态规划」，然后再引入机器学习呢？原因其实是这样：曾经有一度时间，差不多一九七几年开始，大概有三十四年，动态规划其实可以变成图和树的问题。计算机
茶桁·2023-10-12 07:44
上一页 6 7 8 9 10 11 12 13 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他