吴恩达机器学习实验

如何理解向量化的梯度函数，矩阵化的theta西塔θ

黄海广博士在（吴恩达）机器学习课程练习3（ML-Exercise3）中，重写逻辑回归中梯度函数的实现，改为完全向量化（即没有“for”循环）向量化前的梯度函数（“for”循环模式）：defgradient_with_loop
梓沂·2022-12-14 13:02

机器学习 实验五 垃圾分类

机器学习实验五垃圾分类一、实验环境PC机，Python二、代码#%%importtorchimporttorch.nnasnnimporttorch.nn.functionalasFimporttorchvisionimporttorchvision.datasetsasdsetimporttorchvision.transformsastransformsimporttorch.optimaso
决策树的第七个分支·2022-12-14 09:52

吴恩达神经网络1-2-2_图神经网络进行药物发现-第1部分

吴恩达神经网络1-2-2预测溶解度(PredictingSolubility)相关资料(RelatedMaterial)JupyterNotebookforthearticleJupyterNotebook
weixin_26746401·2022-12-14 09:49

【深度学习基础】从零开始的炼丹生活08——卷积网络

（主要参考《深度学习》和cousera上吴恩达的课程）卷积网络（convolutionalnetwork），也叫卷积神经网络（CNN）,是一种专门用来处理具有类
wby1905·2022-12-14 07:38

吴恩达的2021回顾，这些大事件影响了AI这一年

来源：AI前线作者：AndrewNg译者：核子可乐，刘燕12月23日，机器学习大牛吴恩达（AndrewNg）在其主编的人工智能周讯《TheBatch》上发表了最新文章。
风度78·2022-12-14 07:23

机器学习（一）监督学习和无监督学习

二、课程学习内容三、监督学习四、无监督学习总结Log2021.12.31寒假开始，开个新坑，记录一些机器学习的笔记，还是老样子放上本次资源，学习视频传送门：[中英字幕]吴恩达机器学习系列课程2022.01.01
竹清兰香·2022-12-14 03:43

我的学习体会

所以在这里我要强烈推荐几个学习资源：吴恩达机器学习深度学习视频,
我是chios·2022-12-13 08:54

我的深度学习过程，你可以借鉴我的方法，该方法对初学者友好

Beginner-friendlyDeepLearningProcess1.观看李飞飞和吴恩达的机器学习系列课程斯坦福李飞飞CS231n计算机视觉课程吴恩达机器学习系列课程2.Pytorch入门课程Pytorch
Anefuer_kpl·2022-12-13 08:20

机器学习笔记之监督学习和无监督学习

机器学习（machinelearning）“一个程序被认为能从经验E中学习，解决任务T，达到性能度量值P，当且仅当，有了经验E后，经过P评判，程序在处理T时的性能有所提升”这是在吴恩达的视频和周志华的书上
解渴的凉白开·2022-12-13 08:01

吴恩达Coursera, 机器学习专项课程, Machine Learning：Unsupervised Learning, Recommenders, Reinforcement Learning第.

Practicequiz:CollaborativeFiltering第1个问题：Youhavethefollowingtableofmovieratings:Refertothetableaboveforquestion1and2；Assumenumberingstartsat1forthisquiz,sotheratingforFootballForeverbyElissaisat(1,1)，
ZhemgLee·2022-12-13 07:59

机器学习----回归问题

cousera上的机器学习课程是大名鼎鼎的AndrewNG(吴恩达)老师讲的，讲的深入浅出，真的是良心课程。
小cui童鞋·2022-12-12 23:22

深度学习2.2 逻辑回归(Logistic Regression)

逻辑回归2.2-吴恩达老师课程逻辑回归学习算法，该算法适用于二分类问题，本节将主要介绍逻辑回归的HypothesisFunction（假设函数）。
小钟的学习记录·2022-12-12 19:42

吴恩达之神经网络和深度学习2.2logistic回归

Logistic回归Logistic回归是在输出y均为0或1的监督学习问题中使用的一种学习算法。Logistic回归的目的是使预测和训练数据之间的误差最小化。例如：猫或不是猫给定由特征向量x表示的图像，该算法将评估猫在该图像中的概率。给定x,y^=p(y=1|x),其中0≤y^≤1Logistic回归中使用的参数如下：输入特征向量：x∈Rnx，其中nx是特征数训练标签：y∈0,1权值:w∈Rnx,
为援不可图·2022-12-12 19:11

吴恩达深度学习笔记2.2 logistic回归

regression:回归supervised:有监督的logistic回归是一种学习算法被用于有监督学习问题,当y全都是0或1时例子:判断是否有猫给定一个由特征向量x代表的图像,那个算法将会估计猫是否在那个图像里的可能性logistic回归的参数如下:转载于:https://www.cnblogs.com/Dar-/p/9310066.html
banghu8816·2022-12-12 19:40

吴恩达Coursera, 机器学习专项课程, Machine Learning：Unsupervised Learning, Recommenders, Reinforcement Learning第.

吴恩达Coursera,机器学习专项课程,MachineLearning：UnsupervisedLearning,Recommenders,ReinforcementLearning第一周所有jupyternotebook
ZhemgLee·2022-12-12 18:41

什么才是一个好的特征工程？

——吴恩达简单理解，就是对X进行处理，使X与Y呈现的函数是线性的。例子x=np.arange(20)y=x**2X=np.c_[x,x**2,x**3]X_f
CodeSlogan·2022-12-12 13:27

迁移学习+pytorch实战项目

迁移学习+图像识别项目实战迁移学习背景基于共享权重的迁移学习实战102种花的图像识别识别迁移学习背景在2016年的神经信息处理系统大会（NIPS）上，前百度首席科学家、斯坦福教授、机器学习四大天王之一的吴恩达表示
zou_gr·2022-12-12 12:58

Python吴恩达深度学习作业11 -- 卷积神经网络的实现

逐步实现卷积神经网络在此作业中，你将使用numpy实现卷积（CONV）和池化（POOL）层，包括正向传播和反向传播。符号：上标[l][l][l]表示第lthl^{th}lth层的对象.例如:a[4]a^{[4]}a[4]是4th4^{th}4th层的激活.W[5]W^{[5]}W[5]和b[5]b^{[5]}b[5]是5th5^{th}5th层的参数。上标(i)(i)(i)表示第ithi^{th}
Puzzle harvester·2022-12-12 09:37

pytorch基础（二）：构建简单的神经网络

另外，本博客中的有些内容基于吴恩达老师深度学习课程，我会尽量说明一下，但不敢保证全面。一、使用numpy完成
麻衣带我去上学·2022-12-12 08:59

python考研成绩_[ML2]根据考研初试成绩预测是否被录取_基于Logistic回归

学完了吴恩达机器学习的Logistic回归一章，事不宜迟，马上实战。我选择拿来练习的数据会尽量找手边的真实数据，这样才能真确地增加处理问题的能力。
weixin_39717152·2022-12-12 07:54

吴恩达机器学习Optional Lab - Neurons and Layers

最近自学机器学习，在实验时遇到这种错误nomodulenamed'tensorflow.keras'当出现这种错误时“nomodulenamed'tensorflow.keras”，搞了一天发现是版本问题，tensorflow2.0以下版本有些函数以及变量是没有的，导致其无法找到，从如下方式解决。1.首先更新包，这里用user主要是怕安装时出现权限问题导致失败pipinstall-user--up
一枚研究生狗·2022-12-12 03:27

关于“No module named 'resnets_utils' "的解决方法

关于“Nomodulenamed'resnets_utils'"的解决方法在做吴恩达老师深度学习关于残差神经网络（resnet）的课后题目（第四周第二课）时，在导入resnets_utils模块时出现了问题
JackTheWhite·2022-12-12 03:56

吴恩达老师机器学习课程C1W1-lab03，出现错误（No module named ‘lab_utils_uni‘）

解决办法：第一步：从实验室文件中下载lab_utils_common.py;lab_utils_uni.py；deeplearning.mplstyle第二步：将下载好的文件copy到当前python运行的文件夹下，我用的jupyternotebool，程序是在自建的machinelearning文件夹下，所以copy到此文件夹，再次运行就OK了。
m0_59884851·2022-12-12 03:21

[Machinie Learning] 吴恩达机器学习课程笔记——Week2

MachineLearningbyAndrewNg吴恩达机器学习课程学习笔记——Week2本人学习笔记汇总合订本✓课程网址standfordmachinelearning参考资源课程笔记python版作业学习提纲
Carsick Car·2022-12-11 23:06

TensorBoard的认识和使用

TensorBoard是Tensorflow的可视化工具，提供机器学习实验所需的功能和工具，例如可以跟踪和可视化损失集准确率等指标；可视化模型图（包括操作和层）；可以查看权重、偏差或者其他张量随时间的变化的直方图
榴莲花花·2022-12-11 18:27

机器学习（0）：机器学习概述及基本概念

虽然之前粗略的学过一点皮毛，但是当初笔记做的实在不好，这次趁着看吴恩达老师的机器学习教学视频以及李航老师的《统计学习方法》，重新整理一下自己的笔记，同时也是整理一下自己的思路。
棉花糖灬·2022-12-11 18:27

结合openCV学习DIP之机器学习CNN

可以表达图像中对象的主要信息,并且以此为依据可以从其他未知图像中检测出相似或相同的该对象A.在特征提取上,传统的图像处理都是自行设计提取固定特征的算子,在深度学习上主要是利用CNN网络来广泛的提取图像的特征.笔记以吴恩达课程为基础
Heisenberg-·2022-12-11 16:52

吴恩达Coursera深度学习课程 course2-week2 优化方法 作业

P0前言第二门课:ImprovingDeepNeuralNetworks:Hyperparameterturing,RegularizationandOptimization(改善深层神经网络：超参数调试、正则化以及优化)第二周:Optimizationalgorithms(优化算法)主要知识点:Mini-batch梯度下降、指数加权平均、Momentum梯度下降、RMSprop、Adam优化算法
ASR_THU·2022-12-11 14:25

【Python计算机视觉】项目实战之图像增强imguag对关键点变换、标注框变化（附源码 超详细必看）

需要源码或运行有问题请点赞关注收藏后评论区留言私信~~~一、imgaug简介imguag使一个用于机器学习实验中图像增强的Python依赖库，支持Python2.7和Python3.4以上的版本，它支持多种图像增强技术
showswoller·2022-12-11 12:12

机器学习实验（二）

实验二PCA降维一、实验目的理解和掌握PCA原理利用PCA降维，辅助完成一项实战内容。二、实验原理对于矩阵A，有一组特征向量v，将这组向量进行正交化单位化，就能得到一组正交单位向量。特征值分解的工作就是就是将矩阵A分解为如下所示三个矩阵的乘积：Λ=Q−1AQ=QTAQ{\bf\Lambda}=\textbfQ^{-1}\textbfA\textbfQ=\textbfQ^{T}\textbfA\te
Qutter·2022-12-11 10:01

李宏毅深度学习笔记——呕心整理版

李宏毅深度学习笔记——呕心整理版闲谈叨叨叨:之前看过吴恩达的一部分课程，所以有一定理论基础，再看李宏毅的课程会有新的理解。
_Elf_·2022-12-11 04:22

【论文阅读笔记】CheXNet: Radiologist-Level Pneumonia Detection on Chest X-Rays with Deep Learning

本文是吴恩达哈佛大学团队在2017年发表的文章，提出CheXNet技术，即一个使用ChestX-ray14数据集训练的121层的深度卷积网络，该网络通过胸片识别肺炎的准确率已经和人类放射科医生持平甚至更高
cskywit·2022-12-10 22:34

10月24日-吴恩达机器学习P72-77

（一）理解大间隔分类器的数学原理1、向量内积的知识向量u的范数||u||等于向量u的长度，向量u表示在坐标轴上时其长度可以用这个根式表示。u向量乘以v向量等价于：v在u上的投影长度p乘以||u||，与u1v1+u2v2的结果是一样的。注意，在u与v的夹角大于90度时，p=1的条件其实也可以看作是向量θ与向量X的乘积，也等价于P乘以θ的范数。那么根据上面讲的，条件就可以等价改为P乘以θ的范数。而设定
浅浅ch·2022-12-10 21:35

10月25日-吴恩达机器学习P78-87

（一）K-Means优化目标1、K-Means的代价函数执行K-means算法时我们将追踪两组变量：一个是c(i)，它表示的是当前样本x(i)所属的那个簇的索引；一个是μk，它表示的是第k个聚类中心的位置，这里的k可以是1或2,…或K(一共要分为K个簇)。此外，我们用μc(i)表示x(i)所属的那个簇的聚类中心的位置。接下来就可以表示K-means算法的优化目标(代价函数)了：即1/m乘以每个样本
浅浅ch·2022-12-10 21:35

10月14日-吴恩达机器学习P1-4

（一）机器学习前言机器学习例子：数据库挖掘自动化/网络发展带来的大型数据集如：网页点击数据、病例、生物、工程不能手工编程的应用程序如：自动直升机、手写识别、大部分自然语言处理(NLP)、计算机视觉自我定制程序如：亚马逊、网飞的产品推荐（根据客户喜好学习推荐相关产品）理解人类学习（大脑，真实的AI）（二）机器学习算法分类1、监督学习（给定一些样本数据计算机由此学习）例1：房价预测问题（给出一些数据样
浅浅ch·2022-12-10 21:04

【机器学习】K均值聚类(K-Means)_吴恩达ML

声明：本文基于在校课程及吴恩达ML教程，代码参考自多份博客（已在参考链接中表明），如需转载请标明出处。
KroneX·2022-12-10 20:00

TensorFlow2.0入门2-3 猫狗分类实战之迁移学习

TensorFlow2.0三大项目实战目录为什么要用迁移学习读入数据与预训练模型为模型添加新的层读入数据并进行数据增强和自动标签进行训练绘制精度曲线对我们之前错误的猫数据进行预测内容总结自吴恩达TensorFlow2.0
Veritaswhs·2022-12-10 20:27

吴恩达机器学习笔记（1）

1.监督学习的过程将监督学习的数据集分为自变量（x）和因变量（y）。有监督学习算法的任务是，生成一个函数，将预测时需要用到的x输入进去，能输出相应的结果。2.代价函数以回归算法为例，设假设函数为hθ(x)=θ0+θ1∗xh_\theta(x)=\theta_0+\theta_1*xhθ(x)=θ0+θ1∗x,代价函数（costfunction）为J(θ0,θ1)=12m∑i=1m(hθ(x(i))
_晴·2022-12-10 19:58

AIIC学习日记-CNN篇

文章目录AI吴恩达（DL部分）记录一下，2019-11-x初识CNN记录一下，2020-1-x激活函数ReLu记录一下，2020-2-1神经网络有关名词记录一下，2020-2-10大体结构和历史记录一下
木兮梓淅伏所伊·2022-12-10 17:14

【吴恩达deeplearning.ai】Course 5 - 1.6 语言模型和序列生成

语言模型和序列生成(LanguageModelandSequenceGeneration)在自然语言处理中，构建语言模型是最基础的也是最重要的工作之一，并且能用RNN很好地实现。在本视频中，你将学习用RNN构建一个语言模型，在本周结束的时候，还会有一个很有趣的编程练习，你能在练习中构建一个语言模型，并用它来生成莎士比亚文风的文本或其他类型文本。所以什么是语言模型呢？比如你在做一个语音识别系统，你听
why do not·2022-12-10 14:17

吴恩达机器学习笔记-01

2022/6/2~2022/6/15文章目录一、单变量线性回归1.1模型表示1.2代价函数1.3梯度下降1.4梯度下降的线性回归二、多变量线性回归2.1多维特征2.2多变量梯度下降2.3梯度下降法实践1-特征缩放2.4梯度下降法实践2-学习率2.5特征和多项式回归2.6正规方程三、逻辑回归(LogisticRegression)3.1分类问题3.2假说表示3.3判定边界3.4代价函数3.5简化的代
Iron Bo·2022-12-10 14:09

吴恩达机器学习系列课程笔记——第十八章：应用实例：图片文字识别(Application Example: Photo OCR)

18.1问题描述和流程图https://www.bilibili.com/video/BV164411b7dx?p=108图像文字识别应用所作的事是，从一张给定的图片中识别文字。这比从一份扫描文档中识别文字要复杂的多。为了完成这样的工作，需要采取如下步骤：文字侦测（Textdetection）——将图片上的文字与其他环境对象分离开来字符切分（Charactersegmentation）——将文字分
Lishier99·2022-12-10 13:38

吴恩达机器学习----应用实例：图片文字识别

吴恩达机器学习教程学习笔记（16/16）吴恩达教授（AndrewNg）的机器学习可以说是一门非常重视ML理论基础的课程，做做一些简单的笔记加上个人的理解。
huapusi·2022-12-10 13:08

吴恩达机器学习笔记（十八）——机器图片识别(应用实例)

第十八章应用实例：图片文字识别(ApplicationExample:PhotoOCR)1、问题描述和流程图图像文字识别应用所作的事是，从一张给定的图片中识别文字。这比从一份扫描文档中识别文字要复杂的多。为了完成这样的工作，需要采取如下步骤：1.文字侦测（Textdetection）——将图片上的文字与其他环境对象分离开来2.字符切分（Charactersegmentation）——将文字分割成一
大鹏小站·2022-12-10 13:35

【吴恩达机器学习笔记】十七、总结

spm=1011.2415.3001.5343专栏定位：为学习吴恩达机器学习视频的同学提供的随堂笔记。专栏简介：在这个专栏，我将整理吴恩达机器学习视频的所有内容的笔记，方便大家参考学习。
Pandaconda·2022-12-10 13:04

吴恩达机器学习笔记week18——应用实例：Photo OCR

吴恩达机器学习笔记week18——应用实例：PhotoOCR18-1.问题描述与.OCR.pipelineProblemdescriptionandOCRpipeline18-2.滑动窗口Slidingwindows18
Saulty·2022-12-10 13:04

【吴恩达机器学习笔记】十六、应用实例：图片文字识别

spm=1011.2415.3001.5343专栏定位：为学习吴恩达机器学习视频的同学提供的随堂笔记。专栏简介：在这个专栏，我将整理吴恩达机器学习视频的所有内容的笔记，方便大家参考学习。
Pandaconda·2022-12-10 13:02

吴恩达《机器学习》笔记——第四章《多元线性回归》

4、LinearRegressionwithmultiplevariables（多元线性回归）4.1Multiplefeatures/variables（多特征/变量）4.2Gradientdescentformultiplevariables（多元梯度下降法）4.3GradientdescentinpracticeI：FeatureScaling（多元梯度下降法演练1：特征缩放）4.4Gradi
肥胖边缘疯狂蹦迪·2022-12-10 13:39

吴恩达机器学习学习笔记——Week 2——多元线性回归（Multivariate Linear Regression）

一、课件及课堂练习1.多个特征值（多变量）课堂练习：2.多元梯度下降课堂练习：3.梯度下降实践1——特征值缩放（均值归一化）课堂练习：4.梯度下降实践2——学习率课堂练习：5.特征数量及多项式回归课堂练习：6.标准方程课堂练习：7.标准方程法可能遇到不可逆问题二、内容概要1.多个特征值2.多元梯度下降3.梯度下降实践1——特征值缩放4.梯度下降实践2——学习率5.特征数量及多项式回归6.标准方程7
预见未来to50·2022-12-10 13:07

吴恩达机器学习笔记（3）——多变量线性回归（Multivariate Linear Regression）

一、多元线性回归的假设形式多元线性回归的假设可表示为：另外，我们定义一个额外的第0个特征向量x0=1，并将特征向量和参数都表示为矩阵形式，则方程变为：二、多元梯度下降法多元线性回归的代价函数为：其中，x(i)j=第i个训练样例中第j个特征量的值。PS：一些实用技巧（通过预处理，让初始的特征量具有同等的地位，才能让机器学习算法更快地学习得到它们的权重θ，这个预处理的过程我们称之为数据标准化（Norm
阿尔基亚·2022-12-10 13:35
上一页 24 25 26 27 28 29 30 31 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他