吴恩达机器学习实验

吴恩达机器学习笔记（十一）——支持向量机

1.优化目标首先从逻辑回归开始讲起，我们会先定义sigmoid函数然后我们根据sigmoid函数绘制出它的图像，如下图所示：基于上面的图像，我们可以得到下面的结论：如果y=1，那么我们期望得到hθ(x)≈1，即要使θTx>>0如果y=0，那么我们期望得到hθ(x)≈0，即要使θTx1时，代价函数是等于0的。从右图可以观察到，y=0时支持向量机的代价函数中，当z>-1时，是一条倾斜直线（斜率不重要）
XHHP·2022-12-04 11:59

吴恩达机器学习笔记——支持向量机

对应吴恩达机器学习网易云课程第13章的内容。在监督学习方面，与神经网络和逻辑回归相比，支持向量机在学习复杂的非线性方程时有很大的优势。
草莓甜Swag·2022-12-04 11:29

吴恩达机器学习笔记-支持向量机

优化目标之前的课程有学习过Logistic回归的假设函数：$$h_\theta(x)=\frac{1}{1+e^{-\theta^Tx}}$$其图像如下：从图像可以看出，如果$y=1$的话，那么我们希望$h_\theta(x)\approx1$，那么$\theta^Tx>>0$;如果$y=0$的话，那么我们希望$h_\theta(x)\approx0$，那么$\theta^Tx=1$(并不是仅仅大
weixin_34414650·2022-12-04 11:58

吴恩达机器学习入门笔记9-支持向量机

9支持向量机-SVM相比于神经网络，不用担心陷入局部最优问题，因为是凸优化9.1支持向量机的假设函数(9.1)hθ(x)={1,ifθTx≥00,otherh_{\theta}(x)=\left\{\begin{array}{ll}{1,}&{\text{if}\theta^{T}x\geq0}\\{0,}&{\text{other}}\end{array}\right.\tag{
杰斯洛兰德·2022-12-04 11:56

【吴恩达机器学习笔记】7支持向量机

12支持向量机（SupportVectorMachines）12.1优化目标（OptimizationObjective）与逻辑回归和神经网络相比，支持向量机SVM在学习复杂的非线性方程时提供了一种更为清晰，更加强大的方式。现在开始建立支持向量机，从代价函数开始，用一个新的代价函数来代替，即这条从0点开始的水平直线，然后是一条斜线，像上图。左边的函数称之为cos⁡t1(z){\cos}t_1{(z
贪钱算法还我头发·2022-12-04 11:52

【吴恩达机器学习笔记】十一、聚类

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·2022-12-04 11:48

【吴恩达机器学习笔记】十、支持向量机

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·2022-12-04 11:14

pytorch中resnet_用Pytorch手工实现ResNet50

《吴恩达深度学习课程》第四课第二周的作业是：使用Keras和Tensorflow编写ResNet50，用程序实现题目中描述的网络结构。
郭小闲·2022-12-04 09:46

pytorch resnet50_用Pytorch手工实现ResNet50

《吴恩达深度学习课程》第四课第二周的作业是：使用Keras和Tensorflow编写ResNet50，用程序实现题目中描述的网络结构。
weixin_39926613·2022-12-04 09:16

气象类Python编程实战案例项目汇总

气象可视化(1)Matplotlib绘图教程(2)Cartopy绘图教程(3)Metpy绘图教程(4)Basemap库教程(5)气象可视化案例4.机器学习系列教程(1)周志华《机器学习》西瓜书笔记(2)吴恩达
qazwsxpy·2022-12-04 08:58

吴恩达 深度学习 编程作业（5-3）Part 2 - Trigger word detection

吴恩达Coursera课程DeepLearning.ai编程作业系列，本文为《序列模型》部分的第三周“序列模型和注意力机制”的课程作业——第三部分：触发字检测。
大树先生的博客·2022-12-04 04:12

神经网络学习笔记1

*打工人的第三周学习目标和渠道*#神经网络算法的学习看斯坦福计算机视觉课程，看完相关笔记并完成作业看吴恩达的机器学习（还没开始看）某博主总结：https://yoyoyohamapi.gitbooks.io
vitalgirl·2022-12-03 13:58

自然语言处理（NLP）与词嵌入

很久以前看吴恩达老师的视频和西瓜书时用jupyter写的，今天想起来就把它转到这里，one-hot表达的不足：每个单词都是独立的、正交的，不能把同类单词的关系表示出来。
目睹闰土刺猹的瓜·2022-12-03 08:34

关于吴恩达机器学习C3_W2_Practice Lab 2需要pickle5的包的问题解决

主问题：吴恩达机器学习C3_W2_PracticeLab2需要pickle5的包新问题一：提示需要C++环境——尝试一：安装VisualStudioCode————结果：未解决——尝试二：通过VisualStuidoInstaller
鹿鸣里·2022-12-03 08:34

吴恩达深度学习 5.2 序列模型-NLP和词嵌入

1.知识点单词的向量表示：one-hot：向量长度为词典全部单词数，对应单词的位置用1表示，其他位置用0表示。缺点是每两个单词向量的乘积都为0，无法获取词与词之彰的相似性和相关性。词嵌入：用不同特征对各个词汇进行表征，相对与不同的特征，不同的单词均有不同的值。词嵌入的应用名字实体识别：比如，数据集不包含durain（榴莲）词汇，无法对包含durain的句子做实体识别。但我们从durain的词嵌入向
垚焱焱·2022-12-03 08:03

【序列模型】第二课--自然语言处理与词嵌入

课程来源：吴恩达深度学习
王小小小草·2022-12-03 08:00

吴恩达机器学习课上lab C1_W1_Lab02_Course_Preview_Soln-checkpoint

吴恩达机器学习labC1_W1_Lab02_Model_Representation_Soln-checkpoint前置代码块1代码块2代码块3代码块4代码块5代码块6（绘制图像）代码块7代码块8代码块
qq_47881858·2022-12-03 08:30

关于运行吴恩达老师C1_W1_Lab04_Cost_function_Soln出现的错误

这是吴恩达老师在上面标注的话localplottingroutinesinthelab_utils_uni.pyfileinthelocaldirectory总共需要两个文件最后成功
qq_37670641·2022-12-03 08:27

深度学习笔记 第五门课 序列模型 第二周 自然语言处理与词嵌入

本文是吴恩达老师的深度学习课程[1]笔记部分。
湾区人工智能·2022-12-03 08:20

吴恩达机器学习lab C1_W1_Lab01_Python_Jupyter_Soln

吴恩达机器学习labC1_W1_Lab01_Python_Jupyter_Soln代码块1代码块2总结代码块1#Thisisa'Code'Cellprint("Thisiscodecell")Thisiscodecell
qq_47881858·2022-12-03 08:48

【吴恩达机器学习笔记】九、机器学习系统的设计

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·2022-12-03 06:21

吴恩达深度学习 | (20) 序列模型专项课程第一周学习笔记

课程视频第一周PPT汇总吴恩达深度学习专项课程共分为五个部分，本篇博客将介绍第五部分序列模型专项的第一周课程：循环序列模型。目录1.为什么选择序列模型？
CoreJT·2022-12-03 03:08

5-1 Coursera吴恩达《序列模型》 第一周课程笔记-循环序列网络(RNN)

记录吴恩达AndrewNg深度学习专项课程笔记，方便之后回顾，共5门课。
双木的木·2022-12-03 03:01

深度学习笔记 第五门课 序列模型 第一周 循环序列模型

本文是吴恩达老师的深度学习课程[1]笔记部分。
湾区人工智能·2022-12-03 03:59

tensorflow—tf.gradients()简单实用教程

声明：参考官方文档参考tensorflow学习笔记（三十）关于神经网络中的梯度计算，推荐吴恩达的deeplearning公开课tf.gradients()在tensorflow中，tf.gradients
hustqb·2022-12-02 22:12

如何阅读论文

如何阅读论文李沐1.第一遍：文章主要讲什么1.1看整体1.2看图表2.第二遍：文章每一部分讲什么3.第三遍：真正读懂吴恩达1.1系统阅读论文集1.2论文至少要看三遍1.2.1第一遍，仔细阅读论文中的标题
Paul-Huang·2022-12-02 19:54

2.逻辑回归算法梳理

逻辑回归与线性回归的联系与区别2、逻辑回归的原理3、逻辑回归损失函数推导及优化4、正则化与模型评估指标5、逻辑回归的优缺点6、样本不均衡问题解决办法7.sklearn参数参考资料1、西瓜书2、cs229吴恩达机器学习课程
weixin_30823683·2022-12-02 10:32

机器学习实验——kNN算法

目录kNN算法的算法流程kNN算法的优缺点实现kNN算法kNN算法的算法流程假设现在有这样的一个样本空间，该样本空间里有宅男和文艺青年这两个类别，其中红圈表示宅男，绿圈表示文艺青年。如下图所示：其实构建出这样的样本空间的过程就是kNN算法的训练过程。可想而知kNN算法是没有训练过程的，所以kNN算法属于懒惰学习算法。假设我在这个样本空间中用黄圈表示，如下图所示：现在使用kNN算法来鉴别一下我是宅男
Karry D·2022-12-02 10:57

RNN循环神经网络（吴恩达《序列模型》笔记一）

1、为什么选择序列模型2、数学符号用1来代表人名，0来代表非人名，句子x便可以用y=[110110000]来表示3、循环网络模型值得一提的是，共享特征还有助于减少神经网络中的参数数量，一定程度上减小了模型的计算复杂度。RNN模型包含三类权重系数，分别是Wax，Waa，Wya。优点：不同元素之间同一位置共享同一权重系数。缺点：它只使用了这个序列中之前的信息来做出预测。比如作出预测y的时候没有用到之后
cici_iii·2022-12-02 07:06

【吴恩达deeplearning.ai】深度学习(9)：循环神经网络

随深度学习技术的发展，使用循环神经网络（RecurrentNeuralNetwork，RNN）建立的各种序列模型，使语音识别、机器翻译及自然语言理解等应用成为可能。表示与类型自然语言、音频等数据都是前后相互关联的数据，比如理解一句话要通过一整句而不是其中的几个词，分析一段音频要通过连续的片段而不是其中的几帧。前面所学的DNN以及CNN处理的都是前后毫无关联的一个个单独数据，对于这些序列数据则需要采
Hugsy19·2022-12-02 07:05

吴恩达深度学习第五章序列模型——第一周循环序列模型

循环序列模型自然语言和音频都是前后相互关联的数据，对于这些序列数据需要使用循环神经网络（RecurrentNeuralNetwork，RNN）来进行处理。使用RNN实现的应用包括下图中所示：数学模型对于一个序列数据x，用符号x〈t〉来表示这个数据中的第t个元素，用y〈t〉来表示第t个标签，用Tx和Ty来表示输入和输出的长度。对于一段音频，元素可能是其中的几帧；对于一句话，元素可能是一到多个单词。第
倚剑笑紅尘·2022-12-02 07:34

机器学习实验二(拓展)----决策树-python

机器学习实验二--拓展前言一、根据信息熵处理数据二、剪枝的学问1.预剪枝1.1限定决策树的深度:1.2设定阈值1.3设置某个指标，比较节点划分前后的泛化能力1.4对决策树进行预测总结1.出现的问题及解决的办法
菜刀l四庭柱·2022-12-02 07:34

基于朴素贝叶斯的wine数据集分类预测-机器学习实验四-朴素贝叶斯

文末也可直接获取实验文档，代码以及相关数据机器学习实验四—基于朴素贝叶斯的wine数据集分类预测1、在NaiveBayes.py中定义朴素贝叶斯类，2、在类中定义方法（1）数据预处理其中data_list
Time木0101·2022-12-02 07:03

吴恩达《序列模型》01——循环神经网络RNN

文章目录一、序列模型1.什么是序列模型？2.数学符号（Notation）二、循环神经网络1.标准NN存在的问题2.RNN3.通过时间反向传播（Backpropagationthroughtime）4.不同结构三、语言模型1.Languagemodelandsequencegeneration2.采样（Samplingnovelsequences）四、GRU和LSTM1.RNN的梯度消失（Vanis
美式咖啡不加糖x·2022-12-02 07:33

吴恩达深度学习笔记05——序列模型1循环序列模型

自然语言和音频都是前后相互关联的数据，对于这些序列数据需要使用循环神经网络（RecurrentNeuralNetwork，RNN）来进行处理。使用RNN实现的应用包括下图中所示：一、数学符号对于一个序列数据x，用符号x⟨t⟩x^{⟨t⟩}x⟨t⟩来表示这个数据中的第t个元素，用y⟨t⟩y^{⟨t⟩}y⟨t⟩来表示第t个标签，用TxT_xTx和TyT_yTy来表示输入和输出的长度。对于一段音频，元素
阿尔基亚·2022-12-02 07:03

机器学习实验三---使用朴素贝叶斯进行垃圾消息分类--python

机器学习实验三---使用朴素贝叶斯进行垃圾邮件分类前言一、朴素贝叶斯分类器二、数据集处理代码1.训练算法:从词向量计算概率2.朴素贝叶斯分类函数:总结问题及解决实验小结:参考文献前言机器学习的一个重要应用就是文档的自动分类
菜刀l四庭柱·2022-12-02 07:32

吴恩达机器学习笔记2

Logistic回归：判定边界：logistics回归代价函数：高级优化：利用一些高级算法，来更快计算出结果。通常这些算法：能够自主选择α，速度大大快于梯度下降，但比梯度下降更为复杂。正则化：过拟合解决方法：1.丢弃一些不能帮助我们正确预测的特征。可以是手工选择保留哪些特征，或者使用一些模型选择的算法来帮忙（例如PCA）2.正则化。保留所有的特征，但是减少参数的大小。正则化线性回归：正则化logi
m0_74248994·2022-12-02 00:56

吴恩达机器学习笔记1

监督学习和无监督学习：监督学习这个想法是指，我们将教计算机如何去完成任务，而在无监督学习中，我们打算让它自己进行学习。监督学习指的就是我们给学习算法一个数据集，这个数据集由“正确答案”组成。在房价的例子中，我们给了一系列房子的数据，我们给定数据集中每个样本的正确价格，即它们实际的售价然后运用学习算法，算出更多的正确答案。回归问题：分类问题：无监督学习无监督学习中没有任何的标签或者是有相同的标签或者
m0_74248994·2022-12-02 00:22

机器学习实验 - 集成学习（AdaBoost、Bagging、随机森林）

目录一、报告摘要1.1实验要求1.2实验思路1.3实验结论二、实验内容2.1方法介绍2.2实验细节2.2.1实验环境2.2.2实验过程2.3实验数据介绍2.4评价指标介绍2.5实验结果分析三、总结及问题说明四、参考文献附录：实验代码报告内容仅供学习参考，请独立完成作业和实验喔~一、报告摘要1.1实验要求（1）掌握集成学习思想，掌握boosting和bagging策略;（2）基于Adaboost实现
qq_41626672·2022-12-02 00:18

机器学习实验 - MeanShift聚类

目录一、报告摘要1.1实验要求1.2实验思路1.3实验结论二、实验内容2.1方法介绍2.2实验细节2.2.1实验环境2.2.2实验过程2.2.3实验与理论内容的不同点2.3实验数据介绍2.4评价指标介绍2.5实验结果分析三、总结及问题说明四、参考文献附录：实验代码报告内容仅供学习参考，请独立完成作业和实验喔~一、报告摘要1.1实验要求（1）了解Meanshift聚类思想；（2）编程实现Meansh
qq_41626672·2022-12-02 00:18

机器学习实验 - 逻辑回归

目录一、报告摘要1.1实验要求1.2实验思路1.3实验结论二、实验内容2.1方法介绍2.2实验细节2.2.1实验环境2.2.2实验过程2.2.3实验与理论内容的不同点2.3实验数据介绍2.4评价指标介绍2.5实验结果分析三、总结及问题说明四、参考文献附录：实验代码报告内容仅供学习参考，请独立完成作业和实验喔~一、报告摘要1.1实验要求\qquad给定一个二分类数据集，编程实现逻辑回归模型，包括数据
qq_41626672·2022-12-02 00:48

机器学习实验 - 支持向量机SVM

目录一、报告摘要1.1实验要求1.2实验思路1.3实验结论二、实验内容2.1方法介绍2.2实验细节2.2.1实验环境2.2.2实验过程2.3实验数据介绍2.4评价指标介绍2.5实验结果分析三、总结及问题说明四、参考文献附录：实验代码报告内容仅供学习参考，请独立完成作业和实验喔~一、报告摘要1.1实验要求（1）掌握间隔、支持向量、对偶、核函数等概念及计算方法。（2）基于多分类数据集，使用pandas
qq_41626672·2022-12-02 00:48

机器学习实验 - K均值聚类

目录一、报告摘要1.1实验要求1.2实验思路1.3实验结论二、实验内容2.1方法介绍2.2实验细节2.2.1实验环境2.2.2实验过程2.2.3实验与理论内容的不同点2.3实验数据介绍2.4评价指标介绍2.5实验结果分析三、总结及问题说明四、参考文献附录：实验代码报告内容仅供学习参考，请独立完成作业和实验喔~一、报告摘要1.1实验要求（1）了解无监督任务范式概念，掌握聚类思想。（2）掌握K-mea
qq_41626672·2022-12-02 00:47

机器学习实验 - 朴素贝叶斯分类器

目录一、报告摘要1.1实验要求1.2实验思路1.3实验结论二、实验内容2.1方法介绍2.2实验细节2.2.1实验环境2.2.2实验过程2.2.3实验与理论内容的不同点2.3实验数据介绍2.4评价指标介绍2.5实验结果分析三、总结及问题说明四、参考文献附录：实验代码报告内容仅供学习参考，请独立完成作业和实验喔~一、报告摘要1.1实验要求（1）了解朴素贝叶斯与半朴素贝叶斯的区别与联系，掌握高斯分布、多
qq_41626672·2022-12-02 00:45

吴恩达新公司获500万美元种子轮融资，用AI帮零售商实时追踪竞品优化价格，将在香港开办事处...

羿阁发自凹非寺量子位|公众号QbitAIAI大牛吴恩达又创立了一家新公司：Netail。最新消息是，这家公司刚刚完成500万美元种子轮投资。
QbitAl·2022-12-01 22:06

用Python学习吴恩达机器学习——梯度下降算法理论篇

开篇词：（CSDN专供）欢迎阅读我的文章，本文起先是在B站上进行投稿，一开始是采用吴恩达机器学习2012年版的，目前已经出了十二期了。
寻觅那宇宙·2022-12-01 13:53

2022吴恩达机器学习课程学习笔记（第一课第二周）

2022吴恩达机器学习课程学习笔记（第一课第二周）多维特征向量化用于多元线性回归的梯度下降法多元线性回归的实现正规方程特征缩放特征大小、参数大小以及梯度下降之间的关系特征缩放定义特征缩放实现判断梯度下降是否收敛画学习曲线图自动收敛测试如何设置学习率特征工程多项式回归多维特征上周我们学习了单特征线性回归模型
Ys能保研·2022-12-01 13:22

2022吴恩达机器学习课程学习笔记（第二课第二周）

2022吴恩达机器学习课程学习笔记（第二课第二周）TensorFlow实现模型训练细节sigmoid激活函数的替代方案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为什么模型需要激活函数多分类问题
Ys能保研·2022-12-01 13:22

吴恩达机器学习笔记（第二章）

2.Linearregressionwithonevariable2-1Modelrepresentation标记：m：训练样本数x：输入y：输出(x,y)：一个训练样本第i个训练样本用训练样本和学习算法得出假设函数h（hypothesis）如右图用直线表达的h是线性回归模型（Linearregression）2-2Costfunction目标是找出θ0,1使得代价函数J最小这个代价函数被叫做平方
岁月标记·2022-12-01 13:22

吴恩达2022机器学习——第二部分高级学习算法第三周笔记

目录1.1决定下一步做什么（构建机器学习的实用建议）1.2模型评估1.3模型选择&交叉验证测试集的训练方法模型选择总结举例2.1通过偏差与方法进行诊断2.2正则化、偏差、方差1.1决定下一步做什么（构建机器学习的实用建议）从一个例子开始：假设你已经实现了正则化线性回归来预测房价，所以你有了学习算法的普通代价函数，平方误差加上这个正则化项，如下图：但如果你训练模型时发现它的预测结果出现了太大的误差，
爱敲代码的小雨·2022-12-01 13:21
上一页 27 28 29 30 31 32 33 34 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他