吴恩达机器学习私人笔记第29页

机器学习 | 资料汇总

一、学习资料（一）视频课程吴恩达机器学习入门课程视频课程本课程是吴恩达（AndrewNg）在Coursera上的第的经典之作。

Ivan_Lan·2020-04-10 05:58

吴恩达机器学习：逻辑回归

在上一周的课程里，AndrewNg为我们介绍了什么是机器学习以及监督学习中的线性回归。对于一个监督学习，我们要确定我们的预测函数，代价函数，然后利用梯度下降算法找到代价函数最小时，预测函数中的参数值。这周我们会接触监督学习中一类新的问题，称为分类问题。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代码已经放到了Github上，点击课程代码

Agent001·2020-04-09 04:33

吴恩达机器学习课后习题ex6支持向量机（python实现）

支持向量机支持向量机垃圾邮件分类支持向量机importnumpyasnpimportpandasaspdimportmatplotlib.pyplotaspltfromscipy.ioimportloadmatdata1=loadmat('./data/ex6data1.mat')data=pd.DataFrame(data1['X'],columns=['x1','x2'])data['y']=

flowerfu·2020-04-08 17:05

《吴恩达机器学习》学习笔记

章节2课时6模型描述学习种类：1.监督学习又分为回归问题（连续型）和分类问题（离散型）2.无监督学习课时7代价函数公式源地址单变量线性回归函数hθ(x)=θ0+θ1x为了使线性回归函数对数据有较好的预测性，即y(i)到hθ(x(i))的距离都很小。故构造代价函数，也称平均误差公式：上式中m为训练集样本数量，用平方代替绝对值，再将所有样本点求和再求平均最佳θ0，θ1满足下式：课时8代价函数（1）1.

jimleelcc·2020-04-08 07:50

吴恩达机器学习笔记（2）——多变量线性回归

上一篇我们提到了单变量的线性回归模型，但是我们实际遇到的问题，都会有多个变量影响，比如上篇的例子——房价问题，在实际情况下影响房价的一定不止房子的面积，房子的地理位置，采光度等等都会或多或少的影响房价，所以必须考虑更多变量来使我们的预测模型更加精确，这里就教大家多变量的线性回归模型。例题我们这次的例题还是用我们上次单变量线性回归模型一样的问题——房价问题，但是我们这次添加了房间数，房子所在楼层数，

机智的神棍酱·2020-04-07 20:01

吴恩达机器学习章节1：初识机器学习

前文本文是对吴恩达老师的机器学习章节1教学视频进行学习时，所记录的学习笔记。以下是本章主要讲的内容：1.什么是机器学习、机器学习的定义和其应用领域等。2.监督学习与无监督学习的内容和区别。3.通过例子来说明、解释以上概念。本章总结机器学习就是让机器利用某一种学习算法(算法大致可以分为监督学习与无监督学习)来对经验(对计算机来说经验是数据)进行学习，从而提高程序性能，其目的是帮助解决关于此经验的某方

井上皓·2020-04-07 03:19

编程作业（python）| 吴恩达机器学习（6）支持向量机 SVM

∗∗∗点击查看:吴恩达机器学习——整套笔记+编程作业详解∗∗∗\color{#f00}{***\点击查看\:吴恩达机器学习\——\整套笔记+编程作业详解\***}∗∗∗点击查看:吴恩达机器学习——整套笔记

Fun'·2020-04-06 20:19

吴恩达机器学习笔记-梯度下降

通过前面的文章我们现在已经有了假设函数并知道如何度量这个函数与数据的符合程度，即代价函数取得最小值。那么现在要做的，就是如何去预估这个假设函数的参数来使得我们的函数更加符合实际数据。如下图是代价函数的图像，x轴为,y轴为,z轴为。我们知道，要取得代价函数最小值那就是这个函数图像的最底部的值。如图我们需要一步步的移动直到找到最底部的那个点。要求的这个最小值，我们需要对代价函数求导，由于切线的斜率即是

Carey_Wu·2020-04-06 11:34

孩子比你想象的更诚实

先讲个例子：我在姐姐家住的时候，我两岁的小外甥女在我读书的时候，进来想要拿走我的私人笔记本按照我以前的做法，肯定会断然阻止，因为这本笔记是私人的，要是让孩子涂坏了或者遗失了怎么办？

陈力石·2020-04-05 00:57

吴恩达机器学习编程作业python版：第一次作业

我正在努力用python实现吴恩达的机器学习编程作业。由于时间关系，我大概会只实现最重要的部分，不会实现全部内容。如果有错误，希望可以及时纠正我，谢谢大家。第一次作业：单变量线性回归首先，导入要用到的库：numpy，matplotlib。importnumpyasnpimportmatplotlib.pyplotasplt接下来，导入作业里的数据文件：ex1data1.txt。导入文件之后，做相应

克莉斯丁·2020-04-04 21:11

Git本地仓库提交远程仓库(私人笔记)

1、cd到你的本地项目根目录下，通过命令gitinit把这个目录变成git可以管理的本地仓库，然后使用ls-al查询代码仓库，如果想删除这个仓库，直接从目录下删除这个文件夹就可以了gitinit2、使用命令gitadd.添加到暂存区里面去，不要忘记后面的小数点“.”add.是提交所有add文件名是提交单个文件gitadd.gitreadme.txt3、使用命令gitcommit把文件提交到仓库。-

ykStifler·2020-04-04 08:41

吴恩达机器学习Coursera-week9

DensityEstimation这个章节主要讲述了非监督机器学习中的异常检测算法(anomalyalgorithm)，其原理实际是利用了在工程、产品的检测中，大部分正常产品的各个feature是服从正态分布(高斯分布)的，所以给定一个样本，我们可以计算其各个feature为正常值的概率，并设定一个阈值ɛ，当样本为正常值的概率P大于ɛ时，我们就认为是正常的，当这个P小于ɛ时我们就认为其是异常的。关

geekpy·2020-04-04 04:46

吴恩达机器学习课后习题ex2（python实现）

机器学习课后习题ex2logistic回归正则化提示资料logistic回归建立一个logistic回归模型来预测学生是否被大学录取。假设你是一所大学的系主任，你想根据每个申请者在两次考试中的成绩来决定他们的入学机会。建立一个分类模型来评估申请人根据这两次考试的分数，录取的可能性。#前面和线性回归基本一样importtypesimportnumpyasnpimportpandasaspdimpor

flowerfu·2020-03-30 09:26

吴恩达机器学习+林轩田机器学习+高等数学和线性代数等视频领取

nanao3o·2020-03-28 20:34

吴恩达机器学习笔记-非监督学习

聚类之前的课程中我们学习的都是监督学习相关的算法，现在来开始看非监督学习。非监督学习相对于监督非学习来看，其使用的是未标记的训练集而监督学习的是标记的训练集。换句话说，我们不知道向量y的预期结果，仅仅只是拥有一个可以找到结构的特征的集合。其中一种可能的结构是，所有的数据可以大致地划分成两组，这种划分的算法称为聚类算法。这是我们第一种无监督学习算法。在很多场景下我们会使用聚类的方式来解决非监督学习问

Carey_Wu·2020-03-23 15:28

机器学习和深度学习视频资料精选（附学习资料）

入门到精通链接:https://pan.baidu.com/s/1mhVNIkC密码:cvp3第二部分数据篇链接:https://pan.baidu.com/s/1pLK25zP密码:qtuu第三部分机器学习部分吴恩达机器学习链接

胖头虎爱小龙龙·2020-03-23 13:43

章节5_多变量线性回归_《吴恩达机器学习》学习笔记

章节5原文链接另一篇https://www.coursera.org/learn/machine-learning/home/welcome多变量线性回归主要包括以下部分：1)Multiplefeatures(多维特征)2)Gradientdescentformultiplevariables(梯度下降在多变量线性回归中的应用)3)GradientdescentinpracticeI:Featur

jimleelcc·2020-03-21 23:45

第一章绪论：初识机器学习

该系列文章为，观看“吴恩达机器学习”系列视频的学习笔记。虽然每个视频都很简单，但不得不说每一句都非常的简洁扼要，浅显易懂。非常适合我这样的小白入门。本章含盖1.1引言1.2机器学习是什么？

tomas家的小拨浪鼓·2020-03-19 17:40

赞美的高级套路

这篇先聊聊如何夸别人，是由黄执中老师讲授的，我非原创，可以说是二次传播，也可以说是私人笔记的公开分享吧。赞美的套路是分级别的。比如，有一天我和朋友聊天，他兴高

张英楠GavinZhang·2020-03-17 03:59

吴恩达机器学习 - 应用机器学习的建议

问题如何选择模型？如何验证模型的实现正确与否？如何评价模型？模型调整方法增加训练集减少特征数（过拟合）增加新的关键特征（欠拟合）增加多项式纬度（欠拟合）调整lambda值数据集划分数据划分为训练集，验证集和测试集,计算其偏差诊断偏差和方差通过训练误差和验证误差来判断是存在偏差还是方差问题。训练和验证误差均高，存在偏差（欠拟合）；训练误差低而验证误差高，存在偏差（过拟合）在计算验证误差时，要实用全部

YANWeichuan·2020-03-15 17:22

吴恩达机器学习笔记——单变量线性回归

理解了一些以前不懂的概念：最优解：以前知道目标是得到最低点，但“什么”的最低点还不清楚。现在知道，最低点是cost的最低。看热力图，该热力图是三维的。设θ0：x，θ1：y，cost：为z。θ就是权重，当权重θ为某值时，令cost最小。梯度下降：这个求偏导以前求过，没求对。又算了一次，下面是对的。注意这里的x才是常量，θ才是变量。

rosesor·2020-03-12 17:29

吴恩达机器学习—应用机器学习的建议

提高模型效果的方法以上每一种方法都可能需要大量的时间来完成，而且你并不能保证采用的而方法是否真的有效，因此，就要利用机器学习诊断，机器学习诊断也可排除以上大部分的bug原因。机器学习诊断评估假设如何评估我们的假设是否合适？通过误差最小我们可以证明假设较好，但是误差较小并不能说明假设的好坏，因为可能存在过拟合。对于过拟合，我们可以通过绘制模型图像来判断，但是当存在很多特征的时候，不太可能绘制出图像。

Mei_d12f·2020-03-08 20:36

吴恩达机器学习（五）

应用机器学习的建议第八十三课：决定下一步做什么？在懂得学习算法的人中仍然存在着很大的差距，一些人掌握了怎样高效有力地运用学习算法，而另一些人没有完全理解如何运用这些算法？总是把时间浪费到毫无意义的尝试上面！在设计机器学习系统时，怎么样选择一条最合适最高效的道路？假如你在开发一个机器学习系统，或者改进一个机器学习系统的性能，你应该如何决定接下来应该选择哪条道路？举个例子：假如说你在预测房价时产生了巨

带刺的小花_ea97·2020-03-08 13:39

吴恩达机器学习中文版笔记：异常检测（Anomaly Detection）

image大数据文摘经授权转载作者****：黄海广在接下来的一系列视频中，我将向大家介绍异常检测(Anomalydetection)问题。这是机器学习算法的一个常见应用。这种算法的一个有趣之处在于：它虽然主要用于非监督学习问题，但从某些角度看，它又类似于一些监督学习问题。问题的动机参考文档:15-1-ProblemMotivation(8min).mkv在接下来的一系列视频中，我将向大家介绍异常检

大数据文摘·2020-03-05 09:34

吴恩达机器学习(七)

第一百零八课：无监督学习聚类算法：第一个无监督学习算法（无标签的数据）什么是无监督学习呢？对比：监督学习问题指的是，我们有一系列标签，然后用假设函数去拟合它，作为对比，在无监督学习中，我们的数据并没有任何标签，无监督学习要做的就是将这系列没有标签的数据输入到算法中，然后我们要让算法找到隐含在数据中的结构。例如聚类算法，当然还有一些其他的无监督学习算法，而不单单是簇。市场分割社交网络分析组织计算机群

带刺的小花_ea97·2020-03-01 02:17

吴恩达机器学习课程-作业3-多分类和神经网络（python实现）

MachineLearning(Andrew)ex3-Multi-classClassificationandNeuralNetworks椰汁笔记Multi-classClassification1.1Dataset这里的数据存储变成了.mat的格式，这样的数据选择借助scipy.io.loadmat()实现importscipy.ioassiodata=sio.loadmat("ex3data1

生榨的椰汁·2020-02-29 14:27

AI角 | 把吴恩达深度学习系列课程画出来，这有份诚意满满的笔记求查收

在吴恩达机器学习系列课程完结后不久，一位名叫TessFerrandez的小姐姐在推特上分享了一套自己的课程笔记，瞬间收获了3k+赞和1k+转发。

阿里云云栖号·2020-02-28 06:00

吴恩达机器学习作业答案（python版）

上学期学了吴恩达的机器学习课程，用python完成了各章的作业。在这里为了帮助初学者少走一些弯路，把我的作业代码分享给大家。首先感谢Cowry5作者，我刚学的时候主要参考他的代码，大家也可以去他的主页找来各个章节的答案来参考https://blog.csdn.net/Cowry5可以说我的代码与Cowry5的代码相似度有90%，毕竟是参考他的代码来写的。区别是我在代码中添加了许多注释（网上大部分代

Zhao tianhao·2020-02-27 17:14

第十三章支持向量机

该系列文章为，观看“吴恩达机器学习”系列视频的学习笔记。虽然每个视频都很简单，但不得不说每一句都非常的简洁扼要，浅显易懂。非常适合我这样的小白入门。

tomas家的小拨浪鼓·2020-02-20 07:05

吴恩达机器学习Coursera-week10

GradientDecentWithLargeDatasetsLearningwithlargedatasets在前面的章节(week6)中我们已经知道了当我们已经有了一个lowbias的算法时，最重要的就是数据的量的大小，数据量越大最终模型的效果越好。但是，我们不能盲目的增加数据量，必须针对模型的问题来分析是highbias问题还是highvariance问题。如果是highbias问题，则盲目

geekpy·2020-02-20 07:40

第十三章-聚类之K-means算法深度之眼_吴恩达机器学习作业训练营

目录一，聚类问题1.1监督与无监督1.2聚类简介二，K-均值算法2.1算法内容2.2优化目标三，应用细节3.1K值的选取3.2随机初始化3.3距离的度量四，总结一，聚类问题1.1监督与无监督在监督学习中，给定的数据样本都含有特征与标签，学习算法根据数据特征来进行预测，再根据预测结果与标签之间的关系建立损失函数，最后再训练模型。而在无监督学习中，给定的数据样本只有特征，没有标签。学习算法要根据数据特

凡尘维一心·2020-02-20 00:03

午门·杖下冤魂

我比较喜欢故宫的奇闻异事，尤其是官方文献或私人笔记中各种离奇古怪的小故事。我希望将这些故事重新写出来与大家分享，一起感受这将近600年沧桑历史的紫禁城。

申戌卯·2020-02-20 00:08

171115反思日记

今日待办：1.9点华哥过来，完成2.1点外出参加培训3.给爸敷泥疗膏，完成待跟进：5.制作2013-2017币价排名表6.跟进会议记录要落实事项7.帮阿清订产品8.到店里收起私人笔记本子9.写出档案管理方法手工版昨日事件

和习惯做朋友·2020-02-16 22:06

吴恩达机器学习知识点回归和课后习题练习(week 1)

week1什么是机器学习？它包含两个定义：1.较老的，非正式的定义："thefieldofstudythatgivescomputerstheabilitytolearnwithoutbeingexplicitlyprogrammed."2.一个更现代的定义："AcomputerprogramissaidtolearnfromexperienceEwithrespecttosomeclassoft

带刺的小花_ea97·2020-02-16 11:13

（转）吴恩达机器学习作业Python实现(一)：线性回归

原文链接：https://blog.csdn.net/Cowry5/article/details/80174130吴恩达机器学习系列作业目录单变量线性回归在本部分的练习中，您将使用一个变量实现线性回归

elvinmao·2020-02-14 19:52

管理本地仓库（私人笔记）

1、cd到你的本地项目根目录下，通过命令gitinit把这个目录变成git可以管理的本地仓库，然后使用ls-al查询代码仓库，如果想删除这个仓库，直接从目录下删除这个文件夹就可以了$gitinit2、通过命令gitstatus来查看是否还有文件未提交$gitstatus创建了GitFVC3、使用命令gitadd.添加到暂存区里面去，不要忘记后面的小数点“.”add.是提交所有add文件名是提交单个

ykStifler·2020-02-13 21:02

简单掌握“阅读”与“写作”的要领

盯着私人笔记里面好几篇只有标题的文章，都是曾经阅读时有感而发，一时兴起，却因各种理由推脱到以后来完善，而现在看这着标题却再也没有当初阅读时候的激情，思路也已经变得模糊不清。

老4·2020-02-13 12:10

吴恩达机器学习（六）

机器学习系统设计第九十三课：确定执行的优先级当你在设计复杂的机器学习系统时所面临的主要问题，并会在如何制定一个复杂的机器学习系统方面给出一些建议！首先，在实际工过程中，我们应该优先处理哪些事情？如何通过监督学习的方法来构造一个分类器，区分垃圾邮件和非垃圾邮件呢？选择单词作为特征，单词是否出现就组成了特征向量组！如何在有限的时间内，让你的垃圾邮件分类器具有高精准度和低错误率？1.一种很容易想到的就是

带刺的小花_ea97·2020-02-13 04:32

opencv，tensorflow，cnn实现人脸识别

tensorflow利用cnn实现人脸识别，python完成github地址:https://github.com/wangdxh/tensorflow-learn基础知识微积分求导，求偏导（线代吴恩达的课程会介绍）吴恩达机器学习

little_wang·2020-02-12 09:02

吴恩达机器学习章节2：单变量线性回归

前文本文是对吴恩达老师的机器学习章节2教学视频进行学习时，所记录的学习笔记。以下是本章主要讲的内容：1.模型、代价函数、假设函数是什么、干什么、怎么工作的。2.监督学习算法、梯度下降算法的工作过程。3.批量梯度下降算法的细节以及如何使用。本章总结学习了机器学习的基础概念还有第一个算法并且了解了其工作的整体过程。正文2.0目录2.1模型描述2.1.1模型概述2.1.2监督学习算法的工作过程2.2代价

井上皓·2020-02-12 04:32

吴恩达机器学习—异常检测

问题动机模型建立再给定训练集的情况下，如何检测某一个输入x是否异常？首先要根据训练集数据建立一个模型，当给定数据的值的时候，则数据被认定为异常，表示它距离总体数据中心较远时被认定为正常。异常检测的例子欺诈行为识别是异常识别最常用的领域，向量表示用户i的一系列特征，如登录次数，点击某一个页面的次数，发帖次数等，根据这些特征建立模型,然后根据阈值识别欺诈行为。同样，异常识别还用于产品检测等方面。高斯分

Mei_d12f·2020-02-10 13:33

电影制作要掌握人物塑造的13个窍门

一位编剧公开了他的13条私人笔记，作为一名演员，咱们不妨也来了解下编剧老师创造人物的过程，以便更好地塑造角色，其实创作本身都有共通性，即以生活本身作为基础和根基...…1、你怎么看待你的角色这是一个首先需要想清楚的问题

随处安放的戛纳·2020-02-08 15:05

Python实现梯度下降算法求多元线性回归(一)

MambaHJ·2020-02-07 18:31

吴恩达机器学习第四章【Linear Regression with Multiple Variables】

吴恩达机器学习第四章【LinearRegressionwithMultipleVariables】文章目录吴恩达机器学习第四章【LinearRegressionwithMultipleVariables

Gowi_fly·2020-02-07 13:25

我是如何拿到第一个算法实习offer的？

下面开始吹水……image.png二、学习过程1.理论基础课本：《机器学习》、《概率论与数理统计》视频：吴恩达机器学习、吴恩达深度学习、李宏毅机器学习、机器学习-白板推导2.代码能力课本：《机器学习实战

Swifer·2020-02-07 08:41

吴恩达机器学习课程 coursera 第二次编程作业（Logistic Regression Regularized） python实现

本文是吴恩达机器学习课程的第二次编程作业：LogisticRegressionRegularized的扩展作业，用python实现。

-TOXNO-·2020-02-05 20:05

吴恩达机器学习课程 coursera 第二次编程作业（Logistic Regression） python实现

本文是吴恩达机器学习课程的第二次编程作业：LogisticRegression的基础作业，用python实现。

-TOXNO-·2020-02-01 13:52

【吴恩达机器学习】线性回归 Linear Regression

线性回归(LinearRegression)单变量线性回归(Linearregressionwithonevariable/Univariatelinearregression)多变量线性回归(Linearregressionwithmultiplevariables/Multivariatelinearregression)标记符号:mmm—训练样本的数量xxx—输入变量/特征yyy—输出变量(

Elliott__·2020-01-23 19:18

吴恩达机器学习作业python实现--多变量线性回归

多变量线性回归代价函数J(θ)=12m∑i=1m(hθ(x(i))−y(i))2J\left(\theta\right)=\frac{1}{2m}\sum\limits_{i=1}^{m}{{{\left({{h}_{\theta}}\left({{x}^{(i)}}\right)-{{y}^{(i)}}\right)}^{2}}}J(θ)=2m1i=1∑m(hθ(x(i))−y(i))2假设函数

啥都不会可咋整·2020-01-23 17:18

Coursera-吴恩达机器学习课程笔记-Week4+5

Neuralnetworksnon-linearhypotheses非线性假设Neuralmodel：logisticunit第一层Inputlayer最后一层Outerlayer其他层Hiddenlayer对于非线性模型问题，神经网络就是logistic回归的复杂模型。前向传播比较logistic和neuralnetwork之前的logistic回归：有x个特征，真正需要的特征可能是y个(y>>

z1xiang·2020-01-14 19:00

推荐频道

吴恩达机器学习私人笔记