吴恩达机器学习实验第18页

数据增强（Data Augmentation）

来源：Coursera吴恩达深度学习课程大部分的计算机视觉任务需要很多的数据，所以数据增强（dataaugmentation）是经常使用的一种技巧来提高计算机视觉系统的表现。

双木的木·2023-01-30 13:55

梯度下降算法_梯度下降算法中的偏导公式推导

前言：最近在跟着吴恩达老师(AndrewNg)的视频课程学习机器学习，该视频是2014年拍的，虽然有点老，但理论却并不过时，是非常经典的机器学习入门教程，也正是因为这是入门教程，所以视频中的有些数学知识只给出了结论却未进行推导

weixin_39882948·2023-01-30 12:02

吴恩达机器学习（一）——机器学习的定义及其主要类型

之前直接看吴恩达老师的深度学习课程，发现有很多看不明白的地方，所以还是从吴恩达老师讲的机器学习开始看，感觉自己真的基础知识太差了，很多东西都要慢慢补出来机器学习的定义定义搬运链接：link从广义上来说，

yangmishiwonvshen·2023-01-30 10:05

刘二老师的代码合集

一、感谢首先谢谢刘老师的视频课，我没有白嫖，我点赞投币了，哈哈哈哈，刘老师讲的很好，感谢，同时感谢吴恩达老师的深度学习的课程，很随和、亲和。

城峰·2023-01-30 08:29

【机器学习】吴恩达机器学习课程笔记LESSON2——欠拟合与过拟合

目录一、引言二、课堂笔记一、引言本节学习视频链接如下：3欠拟合与过拟合的概念_哔哩哔哩_bilibilihttps://www.bilibili.com/video/BV1xb411M7sn?p=3&vd_source=1ac3c4db6c62f190a2b66f5032778fc9二、课堂笔记

Rachel MuZy·2023-01-30 08:26

吴恩达机器学习课程笔记（11-18章）

第十一章11.1确定执行的优先级垃圾邮件分类器算法：为了解决这样一个问题，我们首先要做的决定是如何选择并表达特征向量xxx。我们可以选择一个由100100100个最常出现在垃圾邮件中的词所构成的列表，根据这些词是否有在邮件中出现，来获得我们的特征向量（出现为111，不出现为000），尺寸为100×1100×1100×1。为了构建这个分类器算法，我们可以做很多事，例如：收集更多的数据，让我们有更多的

最爱吃兽奶710·2023-01-30 08:24

【深度学习】笔记5：神经网络的正则化

写在前面：吴恩达老师第二门课程第一周的内容主要包括以下三部分：1.初始化参数：使用0来初始化参数；使用随机数来初始化参数；使用抑梯度异常初始化参数（可以参见视频中的梯度消失和梯度爆炸）。

眀滒玩闹·2023-01-30 07:42

机器学习 - 吴恩达版(Stanford)笔记 002

Topic：DefinitionofML1.ArthurSamuel的定义Machinelearning是在没有明确编程的情况下，计算机自主学习的能力。ArthurSamuel之所以出名，是因为他写了一个跳棋程序，他自身并不是一个跳棋高手，它的程序是通过成千上万次计算机自己的游戏，得出结论，哪些局势会赢，哪些会输，于是局势的不同就有了“好坏”。因此，跳棋成了一个经验丰富的棋手。2.TomMitch

Wallace_QIAN·2023-01-29 20:41

从特斯拉到英伟达，那些端到端自动驾驶研发系统有何不同？

作者|黄浴，奇点首席科学家兼总裁来源|转载自知乎专栏自动驾驶与视觉感知导读：近日，吴恩达的Drive.ai被苹果收购的消息给了自动驾驶领域一记警钟，但这个领域的进展和成果犹在。

AI科技大本营·2023-01-29 19:26

神经网络算法开篇——逻辑回归

准备做一系列神经网络算法，适合初学入门，是一种笔记的形式，由浅入深，参考吴恩达老师视频。

NPC_0001·2023-01-29 14:21

【笔记】动手学深度学习 - 卷积层

这里卷积部分看的不是特别懂，所以又去看了吴恩达的深度学习视频。视频中的这个式子就是对应吴恩达视频中的这个没有加偏置的效果。其中a，b就是用来限制过滤器的大小的。计算机视觉的网络结构具有两个性质：平

echo_gou·2023-01-29 09:26

机器学习--线性回归

本文参考吴恩达机器学习课程第2章线性回归公式:代价公式(误差均值中的2用来抵消求导得来的2):目标：代价最小化这里演示单变量线性回归时:令,可对求导,此时方可求出实际上，由于代价函数经常含有2个及以上参数

下雨天的蓝·2023-01-29 09:16

深度学习第一周学习

先是看了几集吴恩达机器学习的课程，了解了机器学习的基本概念。机器学习中分为三个大块：监督学习、无监督学习和强化学习。而监督学习又分为回归算法和分类算法。通过课程也大致了解回归算法与分类算法的区别。

啊砉·2023-01-29 09:09

MLP多层感知机用BP算法更新权值解决异或问题(机器学习实验二）

本文实现只有一层隐藏层。贴上221网络解决两元素异或以及331网络解决三元素异或问题。原理不懂可以参考以下博客，建议手推一遍bp怎样链式反向求导。多层感知机(MultiLayerPerceptron)以及反向传播算法(Backpropagation)机器学习——神经网络（四）：BP神经网络如果还不清楚这里有视频：PyTorch深度学习实践（强烈推荐！！讲的太清了，还讲了pytorch的代码。）BP

长门yuki·2023-01-28 16:21

吴恩达机器学习：神经网络 | 多分类问题

上一周我们学习了逻辑回归，并使用它解决了简单的0/1分类问题。这周我们首先尝试使用逻辑回归来解决多分类问题（手写字符识别）。通过这个问题了解到，当我们需要解决特征量很大的非线性分类问题时（比如计算机视觉问题），我们原本假设高次特征的方法会使得特征数异常庞大，从而引出新的方法神经网络。为了更好的阅读体验你可以在网站中查看，点击课程视频你就能不间断地学习Ng的课程，关于课程作业的Python代码已经放

拼搭小怪·2023-01-28 16:04

吴恩达机器学习课后作业5——怎么通过观察偏差和方差（bias vs variance）来调参

1.问题和数据在本练习中，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。之前的题目中我们只用到了训练集，用训练集来训练模型，又用训练集来验证模型，这样的泛化能力就比较差。正常做法一般是先用训练集进行模型训练，训练好几个模型

学吧学无止境·2023-01-28 16:45

吴恩达机器学习课程笔记+代码实现(18)Python实现正则化的线性回归和偏差/方差(Programming Exercise 5)

ProgrammingExercise5:RegularizedLinearRegressionandBiasv.s.VariancePython版本3.6编译环境：anacondaJupyterNotebook链接：实验数据和实验指导书提取码：i7co本章课程笔记部分见：应用机器学习的建议(AdviceforApplyingMachineLearning)在本练习中，我们要实现正则化的线性回归，

geekxiaoz·2023-01-28 10:17

#吴恩达· 机器学习笔记（④ 多元梯度下降及正规方程）

DAY7多特征之前的视频是关于一个特征变量的（房屋面积对应房价）现在除了房屋面积还有诸如卧室数量、楼层数量等一系列的影响因素相较于传统的假设，现在的假设式如下：多元线性回归假设模型：多元梯度下降算法更新后的代码如下：DAY8特征缩放（出现这种原因是因为两个值（x、y）差别太大（一个是在0-2000，一个是在0-5））以1个特征来举例，如果椭圆越狭长，那么梯度下降时间就会越长而如果我们将其进行一个缩

人生苦短我愛Python·2023-01-27 14:11

机器学习实验之影厅观影人数预测

影厅观影人数预测实验要求：1.读取给定文件中数据集文件。（数据集路径：data/data72160/1_film.csv）2.绘制影厅观影人数（filmnum）与影厅面积（filmsize）的散点图。3.绘制影厅人数数据集的散点图矩阵。4.选取特征变量与相应变量，并进行数据划分。5.进行线性回归模型训练。6.根据求出的参数对测试集进行预测。7.绘制测试集相应变量实际值与预测值的比较。8.对预测结果

Gettler•Main·2023-01-27 11:04

吴恩达深度学习（笔记+作业）·第四课·第一周卷积神经网络

目录一、计算机视觉二、边缘检测三、padding、stride四、三维卷积（加入其他通道）五、卷积网络卷积层池化层六、卷积神经网络作业卷积网络的优点一、计算机视觉图片分类、目标检测、风格迁移……二、边缘检测*<----这个*在数学中表示卷积从convolution三、padding、stride这里计算的都是图像的大小，而非图像的通道padding：Valid：不填充像素Same：填充像素，卷积前

手可摘星辰不去高声语·2023-01-27 11:25

机器学习--神经网络算法系列--BackPropagation算法

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，然后又找了些资料看

日有所进·2023-01-27 08:43

AI人物--吴恩达

吴恩达 吴恩达1976年出生于伦敦，父亲是一位香港医生，英文名叫AndrewNg，吴恩达年轻时候在香港和新加坡度过。

whitenightwu·2023-01-27 02:20

吴恩达机器学习笔记（自己学的过程进行记录）

吴恩达机器学习笔记（自己学着记）1.机器学习分类1.1监督学习1.1.1回归回归问题是在知道正确答案的基础上进行的，即给定的数据集是真实的一系列连续的值。

xiuyvshu·2023-01-27 02:19

吴恩达深度学习笔记.PDF

吴恩达深度学习课程，是公认的最优秀的深度学习课程之一，目前没有教材，只有视频，本文提供完整笔记下载，这本笔记非常适合和深度学习入门。

风度78·2023-01-27 02:19

吴恩达NLP课程资料

NLP_wuenda1.简介 吴恩达老师在2020年6月份推出了NLP课程，NaturalLanguageProcessingSpecialization 本人忙里偷闲将老师的视频和作业都完成了，后续会持续更新课程的资料和作业

白色纯度·2023-01-27 02:49

深度学习教程 | 吴恩达专项课程 · 全套笔记解读

ShowMeAI·2023-01-27 02:48

监督学习-线性回归（数学建模）

这是在学习吴恩达的机器学习课程时，一些随笔。

热带鱼啊·2023-01-26 23:16

基于Octave/Matlab的二元逻辑回归（logistic regression）算法

基于Octave/Matlab的二元逻辑回归（logisticregression）算法本博文基于吴恩达老师的机器学习网课，是对作业代码进行简化和补充完整后的实现。

Jeffrey_yh·2023-01-26 16:11

2022年智源社区年度热点推荐丨新春集锦

智源社区·2023-01-26 15:56

matlab 回归逻辑斯蒂_逻辑斯蒂回归（logistic回归）

不发生概率=对数几率：4.参数估计（极大似然估计）似然函数：对数似然函数：对L(w)求极大值点，得5.多项逻辑斯蒂回归Y得取值{1,2,...,K}，其中1,2,...,k-1每个都对应一个实验部分（参考《机器学习实验

雪花8水滴·2023-01-26 14:20

机器学习前向传播，反向传播

吴恩达机器学习一、神经网络二、前向传播算法2.反向传播算法代价函数推导过程代码实现一、神经网络神经网络是模仿大脑神经元，建立的模型。

不自知的天才·2023-01-26 13:57

值得收藏，这份机器学习算法资料着实太香

后续开始逐步接触吴恩达、林轩田、李宏毅等老师的视频课程和学习资料，之前一些理解不到位的地方也逐渐豁然开朗。最近这几年深度学习发展可谓日新月异，业务场景和岗位职责都对自己提出了更高的要求。

机器学习社区·2023-01-26 10:52

2020-6-28 吴恩达DL学习-C3结构化ML项目-w1 ML策略1(1.3 单一数字评估指标，查准率/查全率/F1分数)

1.视频网站：mooc慕课https://mooc.study.163.com/university/deeplearning_ai#/c2.详细笔记网站(中文)：http://www.ai-start.com/dl2017/3.github课件+作业+答案：https://github.com/stormstone/deeplearning.ai1.3单一数字评估指标Singlenumberev

没人不认识我·2023-01-26 08:29

吴恩达神经网络和深度学习-学习笔记-19-机器学习策略（正交化+单一数字评估指标）

一些策略，一些分析机器学习问题的方法。正交化方法建立机器学习系统的挑战之一是：可以尝试和改变的东西太多了。那些效率很高的机器学习专家有个特点，theyareveryclear-eyedaboutwhattotuneinordertotrytoachieveoneeffect.这个操作我们称为正交化。简单来说就是Onethingatatime。当不能fittrainingsetwelloncostf

Harry嗷·2023-01-26 08:58

吴恩达深度学习：正交化、单一数字评估、满足优化指标

此公众号会发表计算机考研（初复试信息）、夏令营等资料，方便考研人对信息的获取，节约自身查找资料的时间目录正交化单一数字评估指标满足和优化指标(SatisficingandOptimizingMetrics)正交化搭建建立机器学习系统的挑战之一是，你可以尝试和改变的东西太多太多了。包括，比如说，有那么多的超参数可以调。我留意到，那些效率很高的机器学习专家有个特点，他们思维清晰，对于要调整什么来达到某

青竹aaa·2023-01-26 08:27

深度学习理论总结（1）

本系列内容是在楼主学习吴恩达老师的深度学习课程后进行的总结，使用的程序软件为python。如有纰漏还请各位大佬指出，我将虚心接受。

殇银·2023-01-26 03:12

《机器学习-吴恩达》课程笔记week8

目录ClusteringK-MeansAlgorithmOptimizationObjectiveRandomInitializationChoosingtheNumberofClustersMotivationMotivationI&II：DataCompressionPrincipalComponentAnalysisPrincipalComponentAnalysisProblemFormu

SofiaT·2023-01-25 14:30

2019吴恩达机器学习课程笔记——week1——1.Introduction

2019吴恩达机器学习课程笔记——week1——1.Introduction一、WhatisMachineLearning?

weixin_30907523·2023-01-24 16:44

吴恩达机器学习13-聚类

吴恩达机器学习13-聚类1.无监督学习样本不带标记在监督学习中，数据有一系列标签，我们需要据此拟合一个假设函数。与此不同的是，在非监督学习中，数据没有附带任何标签。

小y同学在学习·2023-01-24 15:12

吴恩达机器学习课后作业——异常检测和推荐系统（协同过滤算法）

Anomalydetection（异常检测）一、作业内容在本练习中，我们将使用高斯模型实现异常检测算法，并将其应用于检测网络上的故障服务器。在这个练习中，您将实现一个异常检测算法来检测服务器计算机中的异常行为。这些特性测量每个服务器的响应的吞吐量(mb/s)和延迟(ms)。当服务器运行时，您收集了m=307个关于它们行为的示例，因此有一个未标记的数据集[z(1)，.，(m)]。您怀疑这些示例中的绝

荭凯·2023-01-24 15:11

吴恩达机器学习[14]-无监督学习之 K均值聚类算法

机器学习系统设计无监督学习unsupervisedlearningK-Means算法K-Meansalgorithm优化目标Optimizationobjective随机初始化randominitialization选取聚类数量性能度量扩充-原型聚类无监督学习unsupervisedlearning类型定义差异监督学习给定一些带标签的数据，用假设函数去拟合它，寻找能够区分正样本和负样本的决策边界1

踏归1234·2023-01-24 15:08

吴恩达机器学习系列五(聚类和降维)

吴恩达机器学习系列五聚类（Clustering）无监督学习K-均值算法优化目标随机初始化选择聚类数降维（DimensionalityReduction）动机一：数据压缩动机二：数据可视化主成分分析问题主成分分析算法选择主成分的数量重建的压缩表示主成分分析法的应用建议聚类

酸菜鱼_2323·2023-01-24 15:37

吴恩达机器学习 2022新版

2022吴恩达机器学习第一周一.机器学习的定义二.机器学习的分类2.1.监督学习【回归算法】【分类算法】三.lossfunction3.1.损失函数公式四.梯度下降4.1.梯度下降算法4.2.理解梯度下降

X'- Shirley. X·2023-01-24 15:35

【2022吴恩达

机器学习（聚类和异常检测）无监督学习--聚类监督学习中，数据集包括输入x和目标输出y无监督学习中，得到一个只有输入x的数据集，但没有目标标签yK-means聚类假设黄点是数据，我们需要把黄点用k-means分为两类。第一步是（将点分配给簇质心）随机设置中心位置，然后遍历所有的样本，把每一个黄点分配给最近的中心。红叉和蓝叉就是我们设置的两个中心。第二步是（移动簇质心）遍历所有的红点，然后对他们取平均

lucky_08·2023-01-24 15:33

【CV】吴恩达机器学习课程笔记第18章

本系列文章如果没有特殊说明，正文内容均解释的是文字上方的图片机器学习|Coursera吴恩达机器学习系列课程_bilibili目录18应用案例：照片OCR18-1问题描述与流程(pipeline)18-

Fannnnf·2023-01-24 11:07

抢人饭碗了！推荐一款全自动的机器学习建模神器PyCaret

Datawhale干货编译：张峰，Datawhale成员寄语：PyCaret，是一款Python中的开源低代码（low-code）机器学习库，支持在「低代码」环境中训练和部署有监督以及无监督的机器学习模型，提升机器学习实验的效率

风度78·2023-01-24 11:33

机器学习建模神器PyCaret已开源！提升效率，几行代码轻松搞定模型