吴恩达机器学习私人笔记

吴恩达机器学习三：概率统计

统计学习与机器学习有什么不同呢？其实统计学习也叫统计机器学习，从名字就可以看出，统计学习是从统计学科的角度、利用机器（编程算法）来对数据进行预测分析，机器学习差不多等于统计学习，机器学习可不可以不依赖统计方法？目前没找到资料证实。我个人的理解是，统计学习这种叫法更适用于学科理论，机器学习则偏于工程实践。数学过关以后，还得懂编程语言、系统架构、数据库、异构平台上的高性能计算，要成为一个优秀的AI工程
DemonHunter211·2020-06-24 01:20

【吴恩达机器学习】章节1 初识机器学习

课程视频：网易云课堂课程详细笔记：github已经有的笔记：https://blog.csdn.net/qq_34611579/article/details/80665546目录:+初识+什么是机器学习+监督学习+无监督学习一·初识机器学习-是从AI发展出来的一个领域-为计算机开发的一项新功能Example:-数据挖掘：网络和自动化技术的发展产生了大量的数据集例：点击流数据，医疗记录，计算生物学
つき·2020-06-23 21:33

吴恩达机器学习笔记_第一周

毕业论文方向可能和神经网络挂钩，神经网络也是机器学习的一部分。从这周开始决定跟着AndrewNg公开课系统地学习机器学习，4/4日开课，第一周为试听，今天先看了。以后每周更新一下。的确感觉讲的不错，形式平易近人。//分割线-----------------------------------------------------------------------------------------
hunterlew·2020-06-23 16:11

计算机考研复试准备 -- 专业基础知识

目录初试笔记算法与数据结构基础密码学和安全基础机器学习相关课程吴恩达机器学习系列课程1、什么是机器学习？
_天涯__·2020-06-23 14:17

吴恩达机器学习：神经网络 | 反向传播算法

上一周我们学习了神经网络|多分类问题。我们分别使用逻辑回归和神经网络来解决多分类问题，并了解到在特征数非常多的情况下，神经网络是更为有效的方法。这周的课程会给出训练神经网络所使用的代价函数，并使用反向传播算法来计算梯度。笔者会给出反向传播算法中重要的思路和推导，但不会包含所有的计算步骤。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代码已经放到了Github上，点击课程代码就
拼搭小怪·2020-06-23 14:24

吴恩达机器学习逻辑回归python实现（未正则化）[对应ex2-ex2data2.txt数据集]

写在前面：1.笔记重点是python代码实现，不叙述如何推导。参考本篇笔记前，要有逻辑回归的基础（熟悉代价函数、梯度下降、矩阵运算和python等知识），没有基础的同学可通过网易云课堂上吴恩达老师的机器学习课程学习。网上也有一些对吴恩达老师课后作业的python实现，大多数都是用JupyterNotebook写的，一些重点的细节处没有做详细的说明而且基本上没有绘制图像的代码（我自以为我的笔记和代码
gy245770710·2020-06-23 12:07

吴恩达机器学习课程逻辑回归正则化python实现【对应ex2-ex2data2.txt数据集】

写在前面1.本篇笔记是对ex2data2.txt数据集逻辑回归的正则化处理，文中代码是基于上篇笔记的代码的基础上修改。2.文中没有叙述完整的流程，只叙述了实现正则化需要对上篇笔记中的代码修改的地方。1.过拟合在线性模型和线性分类器中，特征个数过多时容易出现过拟合问题，此时代价函数非常趋近于0或直接等于0。解决过拟合有两种方式，一是通过减少特征的方式，另外一种是保留所有的特征，使用正则化的方式。2.
gy245770710·2020-06-23 12:07

机器学习笔记（参考吴恩达机器学习视频笔记）16_决策树

16决策树决策树是一种监督学习算法，以树状图为基础，其输出结果为一系列简单实用的规则。它就是一系列的if-then语句，既可以用于分类问题，也可以用于回归问题。构建决策树之通常包括三个步骤：特征选择2）决策树生成3）决策树剪枝在介绍具体步骤之前首先介绍信息熵的概念。16.1信息熵信息熵，是一个与信息有关的概念，一般而言，是可以量化的。信息量的大小跟事情的不确定性有关。它应该满足以下4个特点：不是负
Gary.fu·2020-06-23 02:23

机器学习笔记（参考吴恩达机器学习视频笔记）01——初识机器学习

1初识机器学习提供了两种机器学习的定义。在没有明确设置的情况下，使计算机具有学习能力。——Samuel计算机程序从经验E中学习，解决某一任务T，进行某一性能度量P，通过P测定在T上的表现因经验E而提高。——TomMitchell机器学习算法分类：1、监督学习（Supervisedlearning）2、无监督学习（Unsupervisedlearning）3、强化学习（Reinforcementle
Gary.fu·2020-06-23 01:51

吴恩达机器学习作业（4）：正则化逻辑回归

目录1）数据可视化2）创建多项式特征3）正则化成本函数4）正则化梯度下降4）准确度5）Scikit-learn实现正则化是成本函数中的一个术语，它使算法更倾向于“更简单”的模型（在这种情况下，模型将有更小的系数）。这个理论有助于减少过拟合，提高模型的泛化能力。这样，我们开始吧。设想你是工厂的生产主管，你有一些芯片在两次测试中的测试结果。对于这两次测试，你想决定是否芯片要被接受或抛弃。为了帮助你做出
10点43·2020-06-22 20:26

吴恩达机器学习笔记-多元线性回归

本文针对吴恩达机器学习第二周课程多元线性回归部分。
Carey_Wu·2020-06-22 17:53

吴恩达机器学习笔记（九） —— 异常检测(Anomaly detection)

主要内容：一.模型介绍二.算法过程三.算法性能评估及ε(threshold)的选择四.AnomalydetectionvsSupervisedlearning五.MultivariateGaussian一.模型介绍如何检测一个成品是否异常？假设红交叉表示正常的样本点，如果抽取到的成品其位于正常样本点的范围之内，则可认为其正常；如果成品的位置远离正常样本点，则可认为其出现异常。为了更加明确“正常样本
alince20008·2020-06-22 13:33

吴恩达深度学习笔记（一） —— 神经网络简介

相关博客：吴恩达机器学习笔记（四）——BP神经网络（里面出现的内容，下面将不再重复）主要内容：一.单个样本向量化二.多个样本向量化三.激活函数及其导数四.随机初始化五.深层神经网络的前向与反向传播六.参数和超参数一
alince20008·2020-06-22 13:33

吴恩达机器学习 学习笔记 之 四 多变量线性回归

一、MultipleFeatures—多维特征本节将介绍一种更有效的线性回归形式。这种形式适用于多个变量或多个特征的情况。目前为止，我们探讨了单变量/特征的回归模型，如下。用房屋面积x预测房子价格y。下面的公式就是我们所说的“假设”，其中x就是唯一的特征量。现在我们对房价模型增加更多的特征，例如房间数楼层等，构成一个含有多个变量的模型，模型中的特征为（x1,x2,...,xn）。增添更多特征后，我
张之海·2020-06-22 09:51

吴恩达机器学习 学习笔记 之 二 ：代价函数和梯度下降算法

二、2-1ModelRepresentation我们学习的第一个算法是线性回归，接下来会讲什么样的模型更重要，监督学习的过程是什么样子。首先举一个需要做预测的例子：住房价格上涨，预测房价，我们拥有某一城市的住房价格数据。基于这些数据，绘制图形。在已有房价数据集中，部分房子已售出，且我们知道这些房子的尺寸和售价。现在某人的房子是1250平方英尺，预测其可能的售价。算法要做的是：(1)拟合模型若采用直
张之海·2020-06-22 09:51

吴恩达机器学习第七次作业Part2： PCA主成分分析与K-means聚类算法

这是习题和答案的下载地址，全网最便宜，只要一积分哦~~~https://download.csdn.net/download/wukongakk/106026570.综述pac1.LoadExampleDataset%Westartthisexercisebyusingasmalldatasetthatiseasilyto%visualize%fprintf('Visualizingexample
GaoJieVery6·2020-06-22 08:47

吴恩达机器学习笔记

网易云课堂地址：https://study.163.com/course/courseMain.htm?courseId=1004570029字幕组干的还算不错！Chapter1：绪论支持向量机－>支持无限维度的特征无监督学习之鸡尾酒算法？“鸡尾酒会问题”（cocktailpartyproblem）是在计算机语音识别领域的一个问题，当前语音识别技术已经可以以较高精度识别一个人所讲的话，但是当说话的
AndrewZhou924·2020-06-22 07:45

吴恩达机器学习 - 逻辑回归的正则化

原吴恩达机器学习-逻辑回归的正则化2018年06月19日15:07:25离殇灬孤狼阅读数：181更多个人分类：吴恩达机器学习版权声明：如果感觉写的不错，转载标明出处链接哦~blog.csdn.net/wyg1997https
Abai_Snow·2020-06-22 05:04

（吴恩达机器学习）初识机器学习

机器学习的定义：计算机程序从经验E中学习,解决某一任务T,进行某一性能度量P,通过P，测定在T上的表现因经验E而提高。例如机器下棋和邮件分类。（1）对于下棋而言，E：通过学习棋谱和模拟下棋，提高经验T：任务为下赢此棋局P：下赢棋局的概率（2）对于邮件分类而言，E：用户标记某些邮件为垃圾邮件T：任务为正确分类垃圾邮件和合格邮件P：邮件分类的正确率机器学习主要的两类学习算法：（1）监督学习（我们教机器
STILLxjy·2020-06-22 04:59

吴恩达机器学习入门2018高清视频公开，还有习题解答和课程拓展，网友：找不到理由不学！...

贾浩楠发自凹非寺量子位报道|公众号QbitAI机器学习入门课程哪家最强？斯坦福吴恩达的CS229称第二，恐怕没人敢称第一。最近，吴恩达在斯坦福的最新CS2292018课程，已经完成YouTube上传——高清哦。没有高糊劝退，还附送课题讨论总结、课后习题和解答参考等珍贵资源，简直让你找不到不学的理由！「传说级」的经典机器学习入门课程吴恩达老师的CS229从2008年开设，已经走过了12年。这门课基本
QbitAl·2020-06-22 03:19

coursera 吴恩达机器学习 machine learning 作业/习题 归纳 + 脚本测试 (ex12345678)

coursera吴恩达机器学习网站PS：这里代码片没写啥语言，可以查，懒得了，发现不写的话，我这里显示的是品红色（看吴恩达发现这红叫品红hhh），还是挺好看的：用的是谷歌浏览器，然后下了个“darkreader
Only_Wolfy·2020-06-22 02:10

吴恩达机器学习第一章

1.机器学习定义任务Task：T经验Experience：E性能Performancemeasure：P对于任务T，得到足够的经验E后，会提升性能P2.监督学习回归问题：如果我们预测的结果是以连续数字进行表示，即我们将在连续函数中对多个输入变量建立映射关系时，则这样的问题称之为回归问题。分类问题：如果我们预测的结果是以离散形式表示的，即我们将多个输入变量与多个不同的类别建立映射关系时，则这样的问题
MaxineZhou·2020-06-22 01:46

吴恩达机器学习笔记2——初识机器学习

第1章初识机器学习1,welcome，举了一些实例2,introducewhatismachinelearning.3,监督学习（supervisedlearning）：通过算法对一些离散的数据进行监督，与无监督算法的区别是，监督算法是在确定知道数据集每一个是否正确的情况下。通常有回归问题(regressionproblem)和分类问题(classificationproblem)。回归问题，数据
Margo_Zhang·2020-06-22 01:40

吴恩达机器学习笔记1——学习资源整合

资源地址：https://study.163.com/course/courseLearn.htm?courseId=1004570029#/learn/video?lessonId=1049049771&courseId=1004570029感谢有吴恩达这样乐于分享的前沿科学家，让我们在学习前沿科技的道路上事半功倍。学习起源：阅读了文章https://www.sohu.com/a/1645693
Margo_Zhang·2020-06-22 01:08

吴恩达机器学习（三）

10、应用机器学习的建议10.1决定下一步做什么重点关注：假如你在开发一个机器学习系统，或者想试着改进一个机器学习系统的性能，你应该如何决定接下来走哪条路？获得更多的训练实例——通常是有效的，但是代价很大，下面的方法可也能有效，可考虑先下面的几种方法：1.尝试减少特征的数量2.尝试获得更多的特征3.尝试增加多项式特征4.尝试减少正则化程度?5.尝试增加正则化程度?我们运用一些机器学习诊断法来帮助我
Mai_Dreizehn·2020-06-22 01:19

吴恩达机器学习笔记（01）——初识机器学习

吴恩达机器学习笔记（01）——初识机器学习为什么会写这份笔记？什么是机器学习机器学习常见的类型监督学习无监督学习为什么会写这份笔记？
Ivary98·2020-06-21 22:38

算法笔记1——线性回归

目录1吴恩达机器学习之线性回归1.1单变量线性回归（LinearRegressionwithOneVariable）1.2多变量线性回归（LinearRegressionwithMultipleVariables
NLP_victor·2020-06-21 22:03

【吴恩达机器学习】ex3 - 一些记录

这节课的exam主要就是神经网络的训练和使用前馈神经网络进行手写数字的预测，代码部分借鉴了很多博客，最后慢慢钻研，记录一些心得体会。第一部分多类分类器1.lrCostFunction.mfunction[J,grad]=lrCostFunction(theta,X,y,lambda)%LRCOSTFUNCTIONComputecostandgradientforlogisticregression
皮蛋瘦肉粥QAQ·2020-06-21 21:58

吴恩达机器学习笔记 001

吴恩达机器学习笔记文章目录吴恩达机器学习笔记基础概览当前分类基本模型确定参数方法1梯度下降法确定参数方法2正规方程法多元线性回归先看我：一些技巧featurescaling特征放缩meannormalization
CoolScript·2020-06-21 18:04

吴恩达机器学习（四）——Octave(Matlab)语言1

Octave(Matlab)语言本文中的所有Octave语言均适用于Matlab语言，很多语言和Linux命令语言类似，可以结合学习，内容较多但是很详细，适合初学者，建议收藏。很多学习笔记都在代码行注释里面了，都是心血啊~~1.基本语法1.1基本代码1.2向量和矩阵2.移动数据移动和储存数据3.操作数据1.基本语法1.1基本代码>>5+6ans=11>>1==2ans=0>>a=pia=3.141
请叫我苏先生_·2020-06-21 13:38

NLP算法学习路线-自己整理

目录第一阶段机器学习全栈GitHub-经典算法吴恩达机器学习视频-113课时，每课时8-20分第二阶段吴恩达深度学习视频：176课时，每课时十分钟左右，以前的官方链接被哔哩哔哩下线了，我放一下别人搬运的链接吧
万方名·2020-06-21 12:40

吴恩达机器学习课程：完全用Python完成，可以的！（附代码）

新智元报道来源：Reddit、GitHub编辑：肖琴【导读】完全用Python完成吴恩达的机器学习课程是怎样一种体验？本文作者表示：完全可以！而且你不需要成为Python专家，只需要有良好的数学基础。“吴恩达的Coursera机器学习课程可以完全用Python完成！”昨天，Reddit论坛的机器学习看板出现这样一条热帖。可以说，吴恩达（AndrewNg）的机器学习课程是很多人、尤其是中国学生进入机
深度学习世界·2020-06-21 08:54

吴恩达机器学习笔记系列（一）——第一周练习题

一、reviewquestions1、第1个问题AcomputerprogramissaidtolearnfromexperienceEwithrespecttosometaskTandsomeperformancemeasurePifitsperformanceonT,asmeasuredbyP,improveswithexperienceE.Supposewefeedalearningalgo
木女Dawn·2020-06-21 07:55

机器学习汇总

传统机器学习-线性回归(吴恩达机器学习笔记)https://blog.csdn.net/qq_xuanshuang/article/details/104309226传统机器学习-Logistic回归(
一杯敬朝阳一杯敬月光·2020-06-21 06:37

吴恩达机器学习（第一章）——初识机器学习

第一章初识机器学习文章目录第一章初识机器学习前言机器学习定义机器学习算法监督学习无监督学习学习工具前言MachineLearning：GrewoutofworkinAI，newcapabilityforcomputers机器学习人工智能的伟大成就，计算机的新功能机器学习的例子数据挖掘自动化/网络化发展带来的大数据集不能用手编写的应用程序example.自然语言处理NLP，计算机视觉CV个人定制程序
风云诀4·2020-06-21 06:52

吴恩达机器学习课程笔记

目录吴恩达机器学习课程笔记机器学习定义监督学习和无监督学习单变量线性回归模型表示（modelrepresentation）代价函数梯度下降线性回归中的梯度下降凸函数（convexfunction）多变量线性回归特征缩放
阳阳yyx·2020-06-21 04:30

（吴恩达机器学习）初识梯度下降算法

代价函数：首先，我们来聊聊代价函数。如上图，上一篇博客已经讲解过代价函数（costfunction）是用来描述参数θ（即假设函数）的准确性。我们通过最小化代价函数，来实现对参数θ的优化，代价函数值越小表示参数θ越优。那么代价函数又是如何进行最小化的呢？代价函数是通过梯度下降算法来进行最小化的。梯度下降算法：如图所示，梯度下降算法的功能是，对于某一代价函数，我们想通过此算法来寻找到最优的参数θ，从而
STILLxjy·2020-06-20 23:00

吴恩达机器学习CS229A_EX5_偏差与方差_Python3

因为编写的代码基本在EX1和EX2都有涉及，主要记录实验过程，关于代码的详细注解可以参考：吴恩达机器学习CS229A_EX1_线性回归_Python3和吴恩达机器学习CS229A_EX2_逻辑回归与正则化
AI_Study·2020-06-20 21:18

吴恩达机器学习CS229A_EX2_逻辑回归与正则化_Python3

逻辑回归问题描述：特征集为学生的两门课的成绩，标签集为是否被大学录取。说明：这里调用scipy库函数执行梯度下降的具体迭代，不用手动设置步长和迭代次数，但cost如何计算、梯度如何求取需要以函数形式传递给scipy；numpy对array执行矩阵运算时，对数据格式比较严格，程序中调用了好几次shape()用于将形如(100,)的数据格式转化为(100,1)，这样执行矩阵乘法才能得到正确结果。首先导
AI_Study·2020-06-20 21:46

吴恩达机器学习CS229A_EX4_神经网络与反向传播算法_Python3

关于前向传播算法FP，可以参考：吴恩达机器学习CS229A_EX3_LR与NN手写数字识别_Python3特别注意：区分矩阵点乘@和矩阵乘法*，写错的话可能会导致难以debug的错误。
AI_Study·2020-06-20 21:46

吴恩达机器学习CS229A_EX3_LR与NN手写数字识别_Python3

任务描述数据集为手写数字，是一个多分类问题，分别用逻辑回归和神经网络做。逻辑回归逻辑回归及其正则化已经在EX2做过，这里做一些修改即可。首先导入数据，给出的数据集是Matlab的.mat格式，每个样本是20*20的灰度图，共5000个样本：importnumpyasnpfromscipy.ioimportloadmatimportscipy.optimizeasoptdefloadData(fil
AI_Study·2020-06-20 21:46

吴恩达机器学习CS229A_EX1_线性回归_Python3

单变量回归问题描述：你的数据集中，x是某个城市的人口数量，y是你的餐车在那个城市的盈亏数额。对这个数据集进行挖掘，帮助你进行决策。首先导入并分析数据：importnumpyasnpimportpandasaspdimportmatplotlib.pyplotaspltdefloadData(firename):returnpd.read_csv(firename,header=None,names
AI_Study·2020-06-20 21:46

吴恩达机器学习线性回归

监督学习回归问题（预测连续型数据）分类问题（预测离散型数据）线性回归预测函数：h(x)=θ0+xθ1\theta_0+x\theta_1θ0+xθ1减小误差即使误差函数J(θ)=12m∑i=0n(h(θ)i+yi)2J(\theta)=\frac{1}{2m}\sum\limits_{i=0}^{n}{(h(\theta)^i+y^i)}^2J(θ)=2m1i=0∑n(h(θ)i+yi)2最小。m
bouncyself·2020-06-07 19:44

python实现线性回归梯度下降法（吴恩达机器学习—笔记）

本人正在入门机器学习，到此来记一下笔记，还可以达到分享与被指点的效果，若哪里有问题或还可以优化，欢迎各位指正！线性回归：Hypothesis：假设函数CostFunction：代价函数，即假设函数与数据集之间的误差Goal：目标是找到参数、使代价函数的值最小，即误差最小梯度下降：梯度下降是一个用来求函数最小值的算法，我们将使用梯度下降算法来求出代价函数的最小值。梯度下降的思想类似于：想象自己在一座
anbai_keeplearning·2020-05-23 21:33

吴恩达机器学习（一）：线性回归

3.梯度下降算法（1）首先假设，得到如下的h(x)函数，然后依次取（2）然后同时取不同的,再去求解（3）梯度下降更新：1）求导项：2）对于学习率4.梯度下降在线性回归中的应用总结：前言：本篇博文仅介绍吴恩达机器学习课程中的线性回归这一算法部分
JUST__Tw·2020-05-23 11:37

机器学习——线性回归（Linear Regression）（吴恩达机器学习）

机器学习——线性回归（LinearRegression）房屋价格预测监督学习过程线性回归模型求解代价函数最小化问题——梯度下降（Gradientdescent）梯度下降算法思路梯度下降算法数学定义线性回归梯度下降算法房屋价格预测在监督学习里，我们有一个数据集，它被称为一个训练集一些符号：m：训练样本的数量x：输入变量/特征y：输出变量/目标变量(x,y)：表示一个训练样本(x(i),y(i))：第
cookie大魔王·2020-05-18 09:49

机器学习入门探索

在理论学习上，打算参考一些书籍和笔记有《统计学习方法》李航《机器学习》周志华吴恩达机器学习教程的笔记之前没有接触过python语言，所以算是从零开始。安装了python3.6和pycharm。
凌玥君·2020-04-13 12:20

（转）吴恩达机器学习作业Python实现(二)：logistic回归

原文链接：https://blog.csdn.net/Cowry5/article/details/80247569吴恩达机器学习系列作业目录1Logisticregression在这部分的练习中，你将建立一个逻辑回归模型来预测一个学生是否能进入大学
elvinmao·2020-04-12 11:06

11月17日 公交车上随笔第一篇

今天伴着大风，一个人冻得半死，坐在402公交车上，听着房东的猫的歌，准备用一个随笔在这里开启自己用文字记录生活和所见所闻私人笔记！
歪理姑娘·2020-04-11 18:03

无监督学习方法

学习资料：吴恩达机器学习课程一.K-means算法1.算法思想K-均值算法是无监督学习中聚类算法中的一个初始化k个聚类中心循环：将每个训练样本归类到最近的聚类中心组成一个个聚类移动聚类中心到本身聚类的中心
z1xiang·2020-04-10 19:00
上一页 24 25 26 27 28 29 30 31 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他