吴恩达机器学习入门

机器学习-吴恩达笔记10

本周主要是介绍了两个方面的内容，一个是如何进行大规模的机器学习，另一个是关于图片文字识别OCR的案例大规模机器学习(LargeScaleMachineLearning)在低方差的模型中，增加数据集的规模可以帮助我们获取更好的结果。但是当数据集增加到100万条的大规模的时候，我们需要考虑：大规模的训练集是否真的有必要。获取1000个训练集也可以获得更好的效果，通过绘制学习曲线来进行判断。image随
皮皮大·2023-09-23 06:38

神经网络与深度学习-Stanford吴恩达教授-Week2（神经网络基础）

逻辑回归是一个用于二分类(binaryclassification)的算法。符号定义：逻辑回归的HypothesisFunction（假设函数）[参考：https://blog.csdn.net/weixin_36815313/article/details/105309095（非常详细）]Logistic回归损失函数(LogisticRegressionCostFunction）为了训练逻辑回归
LAANever·2023-09-23 06:09

vue打包优化

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
gys9895·2023-09-22 23:00

吴恩达DL lesson3 week1

1.1为什么是ML策略？（WhyMLStrategy?）当你尝试优化一个深度学习系统时，你通常可以有很多想法可以去试，问题在于，如果你做出了错误的选择，你完全有可能白费6个月的时间，往错误的方向前进，在6个月之后才意识到这方法根本不管用。例如收集更多训练数据训练集的多样性不够,收集更多的具有多样性的实验数据和更多样化的反例集.使用梯度下降法训练更长的时间尝试一个不同的优化算法,例如Adam优化算法
wyq0717·2023-09-22 02:37

机器学习入门教学——损失函数（交叉熵法）

如果不知道什么是梯度下降的，可以看一下这篇文章：机器学习入门教学——梯度下降、梯度上升_恣睢s的博客-CSDN博客损失函数其实就是神经网络里的标准和期望的标准相差多少的定量表达。
恣睢s·2023-09-22 01:26

机器学习入门（十五）——决策树（4）

决策树是完全利用现有数据信息的分类拟合，为了避免过拟合、提高模型泛化能力，需要对建立好的树进行剪枝。尤其是当训练数据量大、特征数量较多时，所构建的决策树可能很庞大且复杂，剪枝可以同时达到降低复杂度，解决过拟合的目的。这一篇就结合sklearn来看一下决策树的剪枝操作。决策树的剪枝操作主要分为两种：预剪枝（Pre-Pruning），后剪枝（Post-Pruning）。1.0预剪枝预剪枝是指在决策树生
yyoung0510·2023-09-21 11:18

【笔记】简单算法查找、排序的思路和优化

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
苗老八·2023-09-21 02:45

机器学习入门教学——损失函数（极大似然估计法）

如果不知道什么是梯度下降的，可以看一下这篇文章：机器学习入门教学——梯度下降、梯度上升_恣睢s的博客-CSDN博客损失函数其实就是神经网络里的标准和期望的标准相差多少的定量表达。
恣睢s·2023-09-21 02:10

机器学习入门教学——损失函数（最小二乘法）

如果不知道什么是梯度下降的，可以看一下这篇文章：机器学习入门教学——梯度下降、梯度上升_恣睢s的博客-CSDN博客损失函数其实就是神经网络里的标准和期望的标准相差多少的定量表达。
恣睢s·2023-09-21 02:40

【机器学习】监督学习模型中的线性回归模型和分类模型

系列文章目录第三章Python机器学习入门之线性回归模型和分类模型目录系列文章目录一、线性回归模型二、分类模型三、监督学习的过程一、线性回归模型下面来学习监督学习的这过程是什么样的，以线性回归方程为例线性回归模型就是对你的数据拟合成一条直线
晓亮.·2023-09-21 01:27

Deep Neural Network for Image Classification（吴恩达老师课后作业）

DeepNeuralNetworkforImageClassification1.前言这里吴恩达老师大课第一部分第四周的实验作业，上一次的实验作业（logistics回归模型实现二分类算法）是相关联的，
佳雨初林·2023-09-20 17:05

Logistic Regression with a Neural Network mindset _吴恩达老师深度学习课后作业

LogisticRegressionwithaNeuralNetworkmindset本篇博客主要是个人在完成吴恩达老师第二周的课后作业的实验记录，期间遇到过很多问题和还有个人的一些思考，所以写此博客，
佳雨初林·2023-09-20 17:04

吴恩达深度学习笔记(91)-带你了解计算机视觉现状

计算机视觉现状（Thestateofcomputervision）深度学习已经成功地应用于计算机视觉、自然语言处理、语音识别、在线广告、物流还有其他许多问题。在计算机视觉的现状下，深度学习应用于计算机视觉应用有一些独特之处。在这个笔记中，我将和你们分享一些我对深度学习在计算机视觉方面应用的认识，希望能帮助你们更好地理解计算机视觉作品（此处指计算机视觉或者数据竞赛中的模型）以及其中的想法，以及如何自
极客Array·2023-09-20 12:45

神经网络DNN的前向传播和后向传播

最近看了不少吴恩达的视频，听了不少神经网络的前向和后向传播的介绍，也看了不少的公式，很多东西看过了，不见得记住了，记住了不见得就理解了，今天就随便写点，就算是对最近一段时间学习的一个小结和回顾。
千足下·2023-09-20 08:18

机器学习入门与实践：从原理到代码

个人网站:【工具大全】【游戏大全】【神级源码资源网】前端学习课程：【28个案例趣学前端】【400个JS面试题】寻找学习交流、摸鱼划水的小伙伴，请点击【摸鱼学习交流群】在本文中，我们将深入探讨机器学习的基本原理和常见算法，并提供实际的代码示例。通过本文，读者将了解机器学习的核心概念，如监督学习、无监督学习和强化学习，以及如何在Python中使用Scikit-Learn库构建和训练机器学习模型。介绍机
海拥✘·2023-09-19 17:13

MATLAB官方机器学习入门教程

MATLAB官方入门教程项目描述分类工作流程导入数据1.导入数据2.查看变量处理数据1.矫正单位2.时间归一化特征提取1.分析提取特征2.查看特征建立模型1.创建模型2.做出预测算法选项评估模型1.预测值与真值进行比较2.计算精确度与误分类度混淆矩阵导入和预处理数据多文本操作1.创建数据存储2.读取数据添加数据转换1.执行数据预处理2.转换后的数据存储3.规范化数据特征工程统计特性形状量化官方教程
aoaoGofei·2023-09-19 09:29

2022吴恩达机器学习Deeplearning.ai课程编程作业C1_W2: Linear Regression

PracticeLab:LinearRegressionWelcometoyourfirstpracticelab!Inthislab,youwillimplementlinearregressionwithonevariabletopredictprofitsforarestaurantfranchise.Outline1-Packages2-Linearregressionwithonevar
alterego2380·2023-09-19 03:33

吴恩达机器学习week2实验答案Practice Lab Linear Regression【C1_W2_Linear_Regression】

PracticeLab:LinearRegressionExercise1Completethecompute_costbelowto:Iterateoverthetrainingexamples,andforeachexample,compute:Thepredictionofthemodelforthatexamplefwb(x(i))=wx(i)+bf_{wb}(x^{(i)})=wx^{(
会不了一点·2023-09-19 03:33

吴恩达深度学习笔记(61)-训练调参中的准确率和召回率

单一数字评估指标（Singlenumberevaluationmetric）无论你是调整超参数，或者是尝试不同的学习算法，或者在搭建机器学习系统时尝试不同手段，你会发现，如果你有一个单实数评估指标，你的进展会快得多，它可以快速告诉你，新尝试的手段比之前的手段好还是差。所以当团队开始进行机器学习项目时，我经常推荐他们为问题设置一个单实数评估指标。我们来看一个例子，你之前听过我说过，应用机器学习是一个
极客Array·2023-09-19 03:06

Learn Prompt-为什么用 ChatGPT API？

引用人工智能先驱吴恩达先生说过的话：“一个系统需要的远不止一个提示（prompt）或者一个对LLM（大性语言模型）的调用。”
xiaoshun007～·2023-09-18 11:29

吴恩达ChatGPT《Finetuning Large Language Models》笔记

课程地址：https://learn.deeplearning.ai/finetuning-large-language-models/lesson/1/introductionIntroduction动机：虽然编写提示词（Prompt）可以让LLM按照指示执行任务，比如提取文本中的关键词，或者对文本进行情绪分类。但是，微调LLM，可以让其更一致地做具体的任务。例如，微调LLM对话时的语气。课程大
datamonday·2023-09-18 08:49

李沐机器学习入门

文章目录1.数据的获取2.数据的爬取3.数据的标注3.1半监督学习3.1.1自学习算法3.1.2人工标注数据3.1.3弱监督学习4.数据的预处理5.数据的清理6.数据的变换7.特征工程8.机器学习介绍8.1决策树模型8.2线性模型线性模型做回归线性模型做分类Softmax回归8.3小批量随机梯度下降8.4神经网络多层感知机MLP卷积神经网络循环神经网络总结三种神经网络模型9.评估指标9.1过拟合和
几窗花鸢·2023-09-17 23:30

深度学习之卷积神经网络0基础入门学习教程——浅层深度学习（全网最详细，不详细你打我）（看不懂你打我）（对小白没用你打我）

作为一个双非学校的人工智能硕士研究生，我在深度学习入门之初，学校里没人带，只能靠自己一点一点的摸索，走了很多弯路，因为自己并不懂得从哪里入手，从吴恩达的课到李沐的课等等无数种课，无数种书看了很多，买了很多
小馨馨的小翟·2023-09-17 16:00

【Linux入门指北】ansible 自动化运维实战

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
guan12319·2023-09-17 15:02

与导师沟通2023-09-14

(1)学习并实践机器学习（李沐-动手学机器学习、周志华-西瓜书、吴恩达-机器学习基础理论）(2)多参加各类学术会议。(3)动手实践参与相关课题的项目。(
氢气氧气氮气·2023-09-17 14:19

【吴恩达老师《机器学习》】课后习题4之【神经网络反向传播】(代码注释详细)

前情回顾上一周是已经给定了神经网络的最优权重参数，接着直接代到前向传播里面去，算得最终的预测值就可以了。这周呢，需要搭建整个完整的神经网络，并且需要自己去进行训练，找到最终的这个优化的权重参数。可能需要的知识点来自网络前向传播知识点前向传播(Forwardpropagation)，也叫正向传播，是神经网络中的一项重要操作，用来将输入数据传递到网络的输出层。在前向传播过程中，输入数据通过神经网络依次
cx-young·2023-09-17 05:10

【吴恩达老师《机器学习》】课后习题5之【偏差与方差】

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。在练习的前半部分，您将实现正则化线性回归，利用水库水位的变化来预测从大坝流出的水量。在后半部分中，您将对调试学习算法进行一些诊断，并检查偏差和偏差的影响。这次练习将会了解如何改进机器学习算法，包括过拟合、欠拟合的状态判断以及学习曲线的绘制。一些概念偏差Bias：预测值与真实值的差距，表示算法本身的拟合能力方差Varia
cx-young·2023-09-17 05:08

mlr3实战 | 基于临床参数的肝病患者分类(7种常用的机器学习方法)

实战|基于临床参数的肝病患者分类(7种常用的机器学习方法)图又挂了，原文链接：https://mp.weixin.qq.com/s/bbzCEV7vSubxTIxBOhSrTw序言下面的例子是慕尼黑大学机器学习入门讲座的一部分内容
木舟笔记·2023-09-16 21:07

吴恩达机器学习exercise笔记

参考这里入下门，主要包括代码逻辑、numpy、pandas、scipy等的使用。ML-Exercise1X=np.matrix(X.values)DataFrame.values(旧),DataFrame.to_numpy()用于将pandas中的dataframe转为numpy中的数组。更新：exercise5中将数据框转化数组使用了已经淘汰的DataFrame.as_matrix()，实际应该
twentyonepilots·2023-09-16 12:42

【IT资讯 7】《时代》周刊发布首届全球百大AI人物：李彦宏、吴恩达、李飞飞、曾毅等人入选

日星期六癸卯年七月廿五第000007号本文收录于IT资讯速递专栏,本专栏主要用于发布各种IT资讯，为大家可以省时省力的就能阅读和了解到行业的一些新资讯IT资讯领导者（Leaders）李彦宏（百度CEO、董事长兼联合创始人）吴恩达
爱书不爱输的程序猿·2023-09-15 18:44

周报-230906

学习内容1.将rgbd数据集转化为可训练的数据集2.吴恩达深度学习（141/181）学习时间2023.08.26—2023.09.05学习笔记训练数据集的生成3DMatch这篇论文目前只进行了代码的运行
Gypsophila_01·2023-09-14 00:51

TypeScript

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
qq_54010685·2023-09-14 00:31

【Python入门系列】第十一篇：Python机器学习入门

文章目录前言一、环境搭建二、常用的Python机器学习库1.scikit-learn（sklearn）2.TensorFlow3.Keras4.PyTorch5.NumPy6.Pandas三、Python机器学习整个过程的实现1.数据准备2.特征工程3.模型选择与训练4.模型评估与优化应用举例简单Scikit-learn库进行分类任务的机器学习过程使用Scikit-learn库进行鸢尾花数据集分类
JosieBook·2023-09-13 13:48

吴恩达机器学习3.26

吴恩达机器学习受到广泛网友推介，今天开始刷他的课程。生活中有哪些地方接触到算法？我们的百度搜索总会给到优质搜索结果，这就是机器学习算法。
Wincent__·2023-09-13 13:58

图像分割|机器学习|模式识别(2019-04-29~05-04)

2.完成学习机器学习作业，吴恩达机器学习课程作业。3.继续阅读PRML4.291.看pspnet代码●pythonwith关键字：简单就是打开文件，读完了，自动关文件。
Rlinzz·2023-09-13 12:16

【中文】【吴恩达课后编程作业】Course 5 - 序列模型 - 第二周作业 - 词向量的运算与Emoji生成器

【中文】【吴恩达课后编程作业】Course5-序列模型-第二周作业-词向量的运算与Emoji生成器上一篇：【课程5-第二周测验】※※※※※【回到目录】※※※※※下一篇：【课程5-第三周测验】资料下载本文所使用的资料已上传到百度网盘
何宽·2023-09-12 05:29

吴恩达第五部分序列模型 week2—— 词向量的运算与Emoji生成器

一.词向量的运算导包和词嵌入数据importnumpyasnpimportpandasaspdimportw2v_utilsword,word_to_vec_map=w2v_utils.read_glove_vecs("data/glove.6B.50d.txt")word=pd.DataFrame(word)print(word.shape)word_to_vec_map=pd.DataFram
我来试试水·2023-09-12 05:58

情感分类（Sentiment Classification）

来源：Coursera吴恩达深度学习课程情感分类（sentimentclassification）就是看一段文本，然后分辨这个人是否喜欢他们在讨论的东西，这是NLP中最重要的模块之一。
双木的木·2023-09-12 05:57

AI入门指南：探索人工智能的基础原理和实际应用

机器学习入门：简要介绍机器学习的基本原理。解释监督学习、无监督学习和强化学习的区别。深度学习的核心概念：解释神经网络的基本结构。介绍神经元、层和权重的概念。提及反向传播算法的重要性。
执笔人·2023-09-12 04:12

机器学习入门笔记之回归（一）

机器学习的定义机器学习被下过两个定义：1、使计算机能够在不被明确编程的情况下学习的研究领域2、如果一个计算机程序从经验E（Experience）中学习关于任务T（Tasks）的某些类别和性能度量P（Performance），让其在任务T中的性能（由P测量的）随着经验E而改善，那么这就是机器学习目前机器学习的主流分为监督学习、无监督学习、强化学习三类。监督学习在监督学习中，我们给定了数据集并且已经知
BubbleL·2023-09-12 01:56

吴恩达机器学习作业3：多类分类（Python实现）

机器学习练习3-多类分类在本练习中，您将实现一对一的逻辑回归和神经网络来识别手写的数字。在开始编程练习之前，我们强烈建议您观看视频讲座，并完成相关主题的复习问题。要开始这个练习，您需要下载启动代码并将其内容解压缩到您希望完成这个练习的目录中。自动手写数字识别在今天被广泛使用——从识别邮件信封上的邮政编码（邮政编码）到识别银行支票上所写的金额。本练习将展示您所学习到的方法如何用于此分类任务。在练习的
Phoenix_ZengHao·2023-09-11 23:06

AI入门指南：探索人工智能的基础原理和实际应用

机器学习入门：简要介绍机器学习的基本原理。解释监督学习、无监督学习和强化学习的区别。深度学习的核心概念：解释神经网络的基本结构。介绍神经元、层和权重的概念。提及反向传播算法的重要性。
·2023-09-11 15:34

机器学习入门教学——梯度下降、梯度上升

1、简介梯度表示某一函数在该点处的方向导数沿着该方向取得最大值，即函数在该点处沿着该方向（梯度的方向）变化最快，变化率（梯度的模）最大，可理解为导数。梯度上升和梯度下降是优化算法中常用的两种方法，主要目的是通过迭代找到目标函数的最大值和最小值。例如：想象我们在一座很高的山上，怎么才能以最快的速度下山？我们可以先选择坡度最倾斜的方向走一段距离，然后再重新选择坡度最倾斜的方向，再走一段距离。以此类推，
恣睢s·2023-09-11 13:54

机器学习入门教学——交叉验证

1、简介交叉验证是在机器学习建立模型和验证模型参数时常用的办法，一般被用于评估一个机器学习模型的表现。更多的情况下，我们也用交叉验证来进行模型选择。【注】在训练模型时，为了提高模型的质量，我们会将数据集划分为训练集、验证集和测试集。其中测试集是完全不参与训练的，仅仅用来测试模型的效果。而交叉验证发生在建立模型和验证模型中，所以交叉验证仅与训练集和验证集有关。交叉验证，顾名思义，就是重复的使用数据，
恣睢s·2023-09-11 13:48

吴恩达机器学习笔记（三）

关于这系列的python代码参考下面这个大佬的代码：吴恩达机器学习与深度学习作业目录-Cowry-CSDN博客接下来开始第三周的学习，线性回归算法结束，进入下一个算法。
yh_y·2023-09-11 09:26

吴恩达深度学习笔记(86)-1×1 卷积讲解

网络中的网络以及1×1卷积（NetworkinNetworkand1×1convolutions）在架构内容设计方面，其中一个比较有帮助的想法是使用1×1卷积。也许你会好奇，1×1的卷积能做什么呢？不就是乘以数字么？听上去挺好笑的，结果并非如此，我们来具体看看。过滤器为1×1，这里是数字2，输入一张6×6×1的图片，然后对它做卷积，起过滤器大小为1×1×1，结果相当于把这个图片乘以数字2，所以前三
极客Array·2023-09-11 07:30

机器学习入门教学——过拟合、欠拟合、模型验证、样本拆分

1、过拟合定义过拟合指的是模型对训练数据拟合的太好，以至于无法很好地泛化到新数据。原因训练数据不足模型太复杂（如深层神经网络）训练时间太长后果模型在训练数据上表现良好，但在测试数据上表现较差。解决方法增加训练数据使用正则化，如L1、L2正则EarlyStopping（提前终止训练）降低模型复杂度（如减少网络层数）Dropout技术2、欠拟合定义欠拟合指的是模型不能在训练集上获得足够多的特征，即模型
恣睢s·2023-09-10 00:26

机器学习入门教学——决策树

1、简介决策树算法是一种归纳分类算法，它通过对训练集的学习，挖掘出有用的规则，用于对新数据进行预测。决策树算法属于监督学习方法。决策树归纳的基本算法是贪心算法，自顶向下来构建决策树。贪心算法：在每一步选择中都采取在当前状态下最好/优的选择。简单来说，决策树就是做决策的树，类似于流程图的结构，其中每个内部节点代表一个属性上的“判断”，每个分支代表测试的结果，每个叶节点代表一个测试结果，从根到叶的路径
恣睢s·2023-09-10 00:54

元壤教育“AIGC大模型应用开发工程师”课纲，学习这套课程就够了

—吴恩达“在我看来，几乎可以肯定的是，人工智能与人类智能共同推动的许多重大变化将在未来10年（实际上是未来三年）在许多领域带来令人
黎跃春·2023-09-09 10:51

机器学习入门教学——独热编码One-hot

1、前言在机器学习过程中，我们经常需要对特征进行分类，例如：性别有男、女，国籍有中国、英国、美国等，种族有黄、白、黑。但是分类器并不能直接对数据进行分类，所以我们需要先对数据进行处理。如果要作为机器学习算法的输入，通常我们需要对特征进行数字化处理，例如：性别：["男","女"]=>0,1国籍：["中国","英国","美国"]=>0,1,2种族：["黄","白","黑"]=>0,1,2此时，某个样本
恣睢s·2023-09-09 05:36
上一页 8 9 10 11 12 13 14 15 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他