吴恩达机器学习私人笔记

《机器学习基石》第一周 —— When Can Machine Learn?

（注：由于之前进行了吴恩达机器学习课程的学习，其中有部分内容与机器学习基石的内容重叠，所以以下该系列的笔记只记录新的知识）《机器学习基石》课程围绕着下面这四个问题而展开：主要内容：一、什么时候适合用机器学习
alince20008·2020-08-13 13:04

人工神经网络(NN)和卷积神经网络(CNN)

推荐吴恩达机器学习课程(网易云课堂)，李宏毅机器学习课程(b站)人工神经网络简称神经网络(NN)，是目前各种神经网络的基础，其构造是仿造生物神经网络，将神经元看成一个逻辑单元，其功能是用于对函数进行估计和近似
Link_Ray·2020-08-13 12:03

第十五章-异常检测算法 深度之眼_吴恩达机器学习作业训练营

目录一，算法简介1.1问题引入1.2异常检测VS监督学习二，异常检测系统2.1高斯分布2.2算法思路2.3具体实现步骤三，应用细节与系统改进3.1特征变换3.2多元高斯分布3.3误差分析四，总结一，算法简介1.1问题引入在实际生活中，我们总会遇到这样一类问题：在一个群体中，找出“不合群”的个体。例如在通讯系统中找出非常规的犯罪用户；在一批出产零件中检测出不合格的零件；在计算中心中，检测出行为异常的
凡尘维一心·2020-08-12 13:43

【深度之眼吴恩达机器学习第四期】笔记（九）

目录K均值K均值算法语言描述伪代码描述解决分离不佳的簇K均值的损失函数K均值初始化如何选择K主成分分析用途1：去除冗余特征用途2：可视化数据直观来理解主成分分析主成分分析与线性回归的区别选择要降到几维（K）降维用于加速算法主成分分析的误用编程K均值主成分分析K均值无监督学习的数据没有标签，希望计算机自行学习其中的知识。比如聚类模型会通过数据的内在性质，把数据划分为不同的关系紧密的子集。而K均值就是
树天先森·2020-08-12 12:34

【深度之眼吴恩达机器学习第四期】笔记（十一）

目录推荐系统基于内容的推荐系统协同过滤均值归一化编程推荐系统以电影推荐系统为例子，假设4个用户（nu=4）对5部电影（nm=5）作出了以下评分，其中“？”代表第j个用户没有对第i部电影进行评分（r(i,j)=0）。如果第j个用户对第i部电影进行了评分（r(i,j)=1），这时y(i,j)代表用户对电影的评分。推荐系统要做的，就是在现有评分的基础上，预测“？”的评分，然后把预测评分高的电影推荐给该用
树天先森·2020-08-12 12:03

【深度之眼吴恩达机器学习第四期】笔记（八）

目录SVM从逻辑回归到SVM间隔最大理解SVM直觉上来理解SVM核函数SVM编程SVM从逻辑回归到SVM在逻辑回归中，如果标签y=1，我们希望预测值也等于1，那么就需要θTx远远大于0；相反，如果标签y=0，那么就需要θTx远远小于0。这时候使用的损失函数如下：根据上面的损失函数，所有样本点在逻辑回归中都会一直产生损失，就会一直对所有点都进行优化。但是样本点在越过决策边界一定距离后其实是比较安全的
树天先森·2020-08-12 12:02

【深度之眼吴恩达机器学习第四期】笔记（十）

目录异常点检测高斯分布异常点检测和监督学习选择特征多元高斯分布使用多元高斯分布的异常点检测算法原始模型VS.多元高斯分布的模型编程异常点检测假如有一个关于飞机引擎的数据集，而且这些飞机引擎都是能良好运行的。现在得到一个新的飞机引擎的数据，希望知道它是否能运行良好。在下图中，红色的数据点是正常的样本，那么，右下角的绿色点就是一个异常点。对于给定的数据集，异常点检测学习到的模型是P(x)，也就是说，给
树天先森·2020-08-12 12:02

深度之眼吴恩达机器学习课程学习记录——（2）——week1 打卡1

任务打卡1：1）提交Anaconda的安装后启动jupyternotebook后的界面截图，以及个人申请博客后的展示（博客形式不限，推荐CSDN）。2）提交学习吴恩达《机器学习》第一课的课程笔记，谈谈你对机器学习的理解。打卡内容：不少于2张图片，不少于50字PS：鼓励大家积极把笔记写到博客上哦，还要机会赢取价值千元的礼品，具体评分规则可以看这个：https://appuaAoe86p4947.h5
Robin_Pi·2020-08-12 10:24

【深度之眼吴恩达机器学习】打卡学习

【深度之眼吴恩达机器学习】打卡学习第一周introductionWhatisMachineLearning?
only one °·2020-08-12 10:20

吴恩达机器学习笔记（1）

2.单变量线性回归2.1模型描述线性回归算法预测房价的例子：有了这个函数就可以进行价格预测（那怎么确定函数的参数？）一种可能的表达方式是：2.2代价函数我们选择的参数决定了我们得到的直线相对于我们的训练集的准确程度，模型所预测的值与训练集中实际值之间的差距（下图中蓝线所指）就是建模误差（modelingerror）。我们的目标便是选择出可以使得建模误差的平方和能够最小的模型参数。即使得代价函数最小
叶锦·2020-08-12 00:16

吴恩达机器学习笔记（2）

4.2多变量梯度下降和单变量线性回归一样，我们在多变量线性回归中也给他构建一个代价函数，这个代价函数是所有建模误差的平方和：我们的目标和单变量线性回归问题中一样，是要找出使得代价函数最小的一系列参数。多变量线性回归的批量梯度下降算法为：我们开始随机选择一系列的参数值，计算所有的预测结果后，再给所有的参数一个新的值，如此循环直到收敛。Python代码：defcomputeCost(X,y,theta
叶锦·2020-08-12 00:16

Evernote 强力替代品：开源加密笔记本 Joplin

主要有以下几个原因：免费、开源可配合NextCloud、Dropbox、OneDrive或WebDAV等第三方服务进行同步实现端对端的私人笔记同步，国内可用坚果云跨平台、跨终端，显示PC、手机同步最后当然是本人用过后觉得好菜推荐啦可安装浏览器插件
大雄Obear·2020-08-11 16:07

台湾大学机器学习笔记——Neural Network 神经网络

，从左边开始，那些x就是输入样本点所包含的特征，然后经过第一层的w权重，得出第二层神经元（图中圆圈表示神经元）的输入值，在经过一个激活函数将输入值S转化为输出值X，这里的激活函数可以选用不同的函数，在吴恩达机器学习视频中的激活函数为
BestRivenZC·2020-08-11 10:07

吴恩达机器学习笔记第一课——线性回归

importnumpyasnpimportmatplotlib.pyplotaspltimportpandasaspdfrommpl_toolkits.mplot3dimportAxes3Ddefplot_data(data):data.plot(kind='scatter',x='population',y='profit',figsize=(8,5))plt.xlabel('populatio
STUDY EVERY DAY·2020-08-11 10:28

吴恩达机器学习第五周编程作业ex4答案

nnCostFunction.ma1=[ones(m,1)X];%5000x401z2=a1*Theta1';%5000x25Theta125*401a2=sigmoid(z2);%5000x25a2=[ones(m,1)a2];%5000x26z3=a2*Theta2';%5000x10Theta210×26a3=sigmoid(z3);%5000x10h=a3;%5000x10u=eye(nu
煜明·2020-08-11 00:19

吴恩达机器学习第六周编程作业ex5答案

linearRegCostFunction.mJ=1/(2*m)*sum((X*theta-y).^2)+lambda/(2*m)*(sum(theta.*theta)-theta(1)*theta(1));gradient=1/m*X'*(X*theta-y);%没有sumgrad=gradient+lambda/m*theta;grad(1)=gradient(1);learningCurve
煜明·2020-08-11 00:19

吴恩达机器学习第二周编程作业ex1答案

吴恩达机器学习第三周课后作业ex2答案吴恩达机器学习第四周课后作业ex3答案warmUpExercise.mfunctionA=warmUpExercise()%WARMUPEXERCISEExamplefunctioninoctave
煜明·2020-08-11 00:18

Python学习--Machine-Learning 吴恩达机器学习编程作业 (第一周)

Machine-Learning编程作业ProgrammingExercise1：LinearRegression1.单变量线性回归1.1读取数据并显示1.2定义代价函数1.3梯度下降法1.4可视化2.多变量线性回归2.1读入数据并显示2.2特征归一化2.3代价函数2.4梯度下降3.正规方程法实现单变量回归4.用sklearn库中函数实现单变量回归作业文件打包如下：链接：https://pan.b
OOOrchid·2020-08-10 20:26

吴恩达机器学习之总结：总结和致谢（详细笔记，建议收藏，已有专栏）

吴恩达机器学习栏目清单专栏直达：https://blog.csdn.net/qq_35456045/category_9762715.html文章目录19.总结(Conclusion)19.1总结和致谢
汪雯琦·2020-08-10 19:41

吴恩达机器学习入门视频笔记（一）

翻了翻笔记本，发现以前看吴恩达机器学习入门视频的笔记，拿来与大家分享一下，也当作自己的一次复习。笔记内容有跳跃性，也很琐碎，不具有系统性，如果大家要系统性学习可以去对应网站或者b站上自行搜索。
DebugMyself·2020-08-10 12:39

神经网络的梯度下降算法

注：本文是学习吴恩达机器学习的学习笔记。
程序之巅·2020-08-10 12:20

吴恩达机器学习课程作业 Exercise 1：Linear Regression

吴恩达机器学习课程作业Exercise1：LinearRegression数据准备成本函数单变量线性回归多变量线性回归sklearn实现线性回归使用函数总结DataFrameDataFrame.locDataFrame.ilocDataFrame.ixDataFrame.insertnumpynumpy.powernumpy.sumnumpy.multiplynumpy.matrixnumpy.d
u010660276·2020-08-09 12:57

吴恩达机器学习（四）——逻辑回归(Logistic Regression)

1、分类问题(Classification)线性回归主要是解决监督学习问题中的“回归”问题，逻辑回归主要主要解决监督学习中的“分类”问题。在分类问题中，要预测的变量?是离散的值。逻辑回归算法是分类算法。先从最简单的二分类问题开始讨论：分类问题的例子有：判断一封电子邮件是否是垃圾邮件；判断一次金融交易是否是欺诈；区别一个肿瘤是恶性的还是良性的。1）因变量y(dependentvariable)可能属
Leben&流觞·2020-08-09 02:45

吴恩达机器学习粗略随笔——逻辑回归

逻辑回归：含义：在线性回归的基础上，给出输出的置信度。举例来说：线性回归P(1|x;θ)=0.7，该数据分类为1的可信度为0.7。核心：在线性回归的输出基础上，通过sigmoid函数（也称logistic函数），将输出规范到0~1范围。即设线性回归的输出为f(x)，逻辑回归则为g(f(x))，g(z)=1/(1+e^z)。现实意义：决策边界。给定置信标准（如当可信度>0.5）时，即当g(z)>0.
rosesor·2020-08-08 21:23

吴恩达机器学习——多元梯度下降，学习率，特征，特征多项式

这里有啥如何判断梯度下降是正常的？？？自动收敛测试学习速率的选择特征多项式回归如何判断梯度下降是正常的？？？如果迭代正常，每一步迭代后J(Θ)都应该下降。并且下降的程度逐渐减缓。自动收敛测试如果代价函数小于某个值ε时,例如ε可以是1e-3，但是通常选择一个ε非常困难，依靠自动收敛检测不一定可靠，还是通过图像比较可靠。学习速率的选择从代价函数图像表现出代价函数的值迭代后不断上升，或呈震荡，意味着学习
咕噜咕噜-·2020-08-08 20:05

吴恩达机器学习入门——应用机器学习方法

吴恩达机器学习入门——应用机器学习方法机器学习诊断法模型选择问题正则化、偏差与方差学习曲线系统设计误差分析不对称性分类的误差机器学习数据机器学习诊断法如何判断一个学习算法的好坏，当该算法的预测值有很大的偏差
qq_42100113·2020-08-08 20:06

吴恩达机器学习入门——异常检测

吴恩达机器学习入门——异常检测高斯分布异常检测算法开发和评估异常检测系统异常检测与监督学习的区别异常检测算法的特征多变量高斯分布高斯分布对于高斯函数的参数：u为均值，δ2为方差。
qq_42100113·2020-08-08 20:34

吴恩达机器学习入门——Logistic 回归

吴恩达机器学习入门——Logistic回归分类问题模型建立决策判断代价函数多元分类分类问题如上图的分类问题，如果用粉色的hθ\thetaθ(x)函数,可以以0.5为判断值进行分类，区分出0和1，而当我们增加一个新的样本
qq_42100113·2020-08-08 20:34

吴恩达机器学习入门——单变量线性回归

吴恩达机器学习入门——单变量线性回归模型代价函数梯度下降算法模型h为假设函数，通过训练集的输入，经过学习算法，可以得到假设函数。这个假设函数就可以来计算回归值（预估值）。
qq_42100113·2020-08-08 20:34

吴恩达机器学习入门——神经网络

吴恩达机器学习入门——神经网络神经网络简介工作方式简单的例子多元分类代价函数反向传播算法梯度检测随机初始化神经网络总结神经网络简介如图所示的图形分类问题，像该图的像素为50*50，如果我们采用之前学过的
qq_42100113·2020-08-08 20:34

吴恩达机器学习入门——多变量线性回归

吴恩达机器学习入门——多变量线性回归假设多元梯度下降算法特征缩放正规方程优缺点假设假设房价不仅受平方数影响，还受到房间数、年份、楼层数的影响。这样奥预估房价就是一个受多变量影响的问题。
qq_42100113·2020-08-08 20:34

吴恩达机器学习入门——降维

[吴恩达机器学习入门——降维]降维的作用有两个：一是进行数据压缩、二是可视化。数据压缩可视化PCAPCA算法压缩重现降维的作用有两个：一是进行数据压缩、二是可视化。
qq_42100113·2020-08-08 20:34

吴恩达机器学习之支持向量机(Support Vector Machines)（一）：优化目标（详细笔记，建议收藏，已有专栏）

吴恩达机器学习栏目清单专栏直达：https://blog.csdn.net/qq_35456045/category_9762715.html文章目录支持向量机(SupportVectorMachines
汪雯琦·2020-08-08 19:36

吴恩达机器学习入门——支持向量机

[吴恩达机器学习入门——支持向量机]优化目标核函数运用SVM优化目标这是一个logistic回归的例子，如果y=1，我们也希望模型得出来的hθ\thetaθ(x)也应为1；如果y=0，我们也希望模型得出来的
qq_42100113·2020-08-08 11:41

吴恩达机器学习6——机器学习算法改进、系统设计

吴恩达机器学习6一、机器学习算法改进1.机器学习算法评价1.1评估模型1.2模型选择和交叉验证集2.偏差与方差2.1诊断偏差和方差2.2正则化和偏差/方差2.3学习曲线2.4选择修正方法二、机器学习系统设计
old sweet ᝰ·2020-08-07 21:17

吴恩达机器学习7——支持向量机SVM

吴恩达机器学习7一、SVM直观理解1.SVM引入逻辑回归2.大边界分类器SVM3.SVM原理二、核函数1.核函数原理和概念2.SVM和核函数结合的计算步骤三、使用SVM一、SVM直观理解1.SVM引入逻辑回归与逻辑回归和神经网络相比
old sweet ᝰ·2020-08-07 21:17

吴恩达机器学习作业5——偏差与方差

在前半部分的练习中，你将实现正则化线性回归，以预测水库中的水位变化，从而预测大坝流出的水量。在下半部分中，您将通过一些调试学习算法的诊断，并检查偏差v.s.方差的影响。importnumpyasnpimportmatplotlib.pyplotaspltfromscipy.ioimportloadmatimportscipy.optimizeasoptdefplotData():"""瞧一瞧数据长
old sweet ᝰ·2020-08-07 21:46

吴恩达机器学习作业4（python实现）

利用神经网络预测手写数字importnumpyasnpimportmatplotlib.pyplotaspltfromscipy.ioimportloadmatimportscipy.optimizeasoptfromsklearn.metricsimportclassification_report#这个包是评价报告fromsklearn.preprocessingimportOneHotEnc
old sweet ᝰ·2020-08-07 21:46

吴恩达机器学习作业6——SVM

importnumpyasnpimportpandasaspdimportmatplotlib.pyplotaspltimportseabornassbfromscipy.ioimportloadmatfromsklearnimportsvmdefplotData(X,y):plt.figure(figsize=(8,5))plt.scatter(X[:,0],X[:,1],c=y.flatten
old sweet ᝰ·2020-08-07 21:46

手把手教你机器学习之入门（1）（吴恩达听课笔记）

**引言：**你可以把这个当成教程，也可以把这当成视频笔记总结来看，这是本人看了周志华老师的机器学习（‘西瓜书’下载）和吴恩达老师的机器学习视频（吴恩达机器学习）进行总结的机器学习算法的知识。
HDU-大白·2020-08-07 16:47

吴恩达机器学习作业6—支持向量机

题目概述：在本练习中，我们将使用高斯核函数的支持向量机（SVM）来构建垃圾邮件分类器数据集1我们先在2D数据集上实验importnumpyasnpimportpandasaspdimportmatplotlib.pyplotaspltimportseabornassbfromscipy.ioimportloadmatraw_data=loadmat('E:/shujuji/ex6data1.mat
kingsure001·2020-08-05 22:45

Coursera吴恩达机器学习课程 第2周作业代码

ComputeCost.mfunctionJ=computeCost(X,y,theta)%COMPUTECOSTComputecostforlinearregression%J=COMPUTECOST(X,y,theta)computesthecostofusingthetaasthe%parameterforlinearregressiontofitthedatapointsinXandy%I
爱写代码的娃娃鱼·2020-08-05 14:47

吴恩达机器学习（十二）主成分分析（降维、PCA）

目录0.前言1.主成分分析（PCA）2.主成分分析PCA的流程3.低维空间维度的选择4.主成分分析使用方式学习完吴恩达老师机器学习课程的降维，简单的做个笔记。文中部分描述属于个人消化后的理解，仅供参考。如果这篇文章对你有一点小小的帮助，请给个关注喔~我会非常开心的~0.前言数据的特征数量，又称作向量的维度。降维（dimensionalityreduction）是通过一些方法，减少数据的特征数量，以
zhq9695·2020-08-04 10:06

吴恩达机器学习笔记 —— 19 应用举例：照片OCR（光学字符识别）

吴恩达机器学习笔记——19应用举例：照片OCR（光学字符识别）本章讲述的是一个复杂的机器学习系统，通过它可以看到机器学习的系统是如何组装起来的；另外也说明了一个复杂的流水线系统如何定位瓶颈与分配资源。
xing halo·2020-08-04 08:31

吴恩达机器学习作业（python版）—— ex1线性回归

文章目录【1】单变量线性回归1.题目描述：2.涉及知识点：3.详细代码解释4.完整代码【2】梯度下降1.涉及知识点2.详细代码解释3.完整代码【3】多变量线性回归1.题目描述2.涉及知识点3.详细代码解释【4】正规方程1.涉及知识点2.详细代码解释【5】slearn线性回归算法以下代码本人是使用JupiterLab运行的，所以没有print语句，此外本文章所有的代码是放在一起运行的【1】单变量线性
Nefu_lyh·2020-08-03 10:59

【机器学习】SVM（基于SMO算法）—— python3 实现方案

测试数据是吴恩达机器学习课程svm章节的作业。分别用高斯核函数与线性核函数进行测试，可以发现高斯核函数的稳定性和准确率明显较线性核函数好。
zhenghaitian·2020-08-03 09:45

吴恩达机器学习作业ex1~matlab

单变量版：ex1.m%%MachineLearningOnlineClass-Exercise1:LinearRegression%Instructions%------------%%Thisfilecontainscodethathelpsyougetstartedonthe%linearexercise.Youwillneedtocompletethefollowingfunctions%i
yinfang1252·2020-08-03 09:39

吴恩达机器学习要点记录（上）

文章目录单变量线性回归基础概念多变量线性回归假设函数含n个参数的LR优化GD算法的tricks特征构造以及利用特征构造来得到多项式回归用正规方程法求解代价函数的最小值点θ使用正规方程法时遇到奇异矩阵的处理方法（跳过）逻辑斯谛回归假设函数决策边界代价函数高级优化算法及其特点推广为多元分类器正则化欠拟合与过拟合正则化简介线性回归的正则化使用梯度下降的情况使用正规方程法的情况逻辑斯谛回归的正则化神经网络
pyxiea·2020-08-03 08:43

吴恩达机器学习课程课时12梯度下降算法中参数θ0，θ1求偏导

最近学习吴恩达的机器学习课程。看到了线性回归的梯度下降算法。课程中将了一个非常简单的线性回归：比如给出一些房子的size和对应的price，我们可以建立一个模型（在此模型就是线性回归），希望之后在给出任意一个房子的size，可以比较准确的预测到房子的价格。课程中的假设函数、参数、代价函数如下：然后下节视频讲到梯度下降算法，希望通过不断迭代使找到θ0,θ1使代价函数值最小。在xOy平面内，当动点由P
温姑娘·2020-08-03 08:22

吴恩达机器学习 - 支持向量机(SVM)

题目链接：点击打开链接笔记：无核SVM数据可视化：Code（命令行）:%Loadfromex6data1:%YouwillhaveX,yinyourenvironmentload('ex6data1.mat');%PlottrainingdataplotData(X,y);效果图：训练Code（这个是写好的代码，码一下以后可以直接用）：function[model]=svmTrain(X,Y,C,
wyg1997·2020-08-03 08:49
上一页 18 19 20 21 22 23 24 25 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他