吴恩达机器学习私人笔记

吴恩达 机器学习课程笔记

吴恩达机器学习课程笔记学习视频第1章1-2什么是机器学习1-3监督学习(supervisedlearningalgorithm)1-4无监督学习(unsupervisedlearningalgorithm
那胖手在星球表面缓慢移动·2023-01-18 11:24

吴恩达机器学习笔记（七）：代价函数

吴恩达机器学习笔记（七）：代价函数Regularizedlinearregression如前言所述，正则化为了让模型更好地切合数据，同时降低过拟合的可能。
BANKA1_·2023-01-18 11:53

吴恩达机器学习课程笔记：模型描述、假设函数、代价函数

1.吴恩达机器学习课程笔记：模型描述、假设函数、代价函数吴恩达机器学习课程笔记：模型描述吴恩达机器学习课程笔记：代价函数仅作为个人学习笔记，若各位大佬发现错误请指正什么是模型？
Uncertainty!!·2023-01-18 11:19

【吴恩达机器学习笔记】第1周 - 线性回归与代价/成本函数

机器学习的模式用训练集的数据，匹配一种算法，生成一个函数（h），这个函数可以输入x，产出y所以机器学习的关键在于：1、选择正确的算法，选择算法之后，函数h的形态就确定了，但是参数未知2、确定函数h的参数值：监督学习：通过训练集的x和y，共同确定参数值无监督学习：通过训练集的x，确定参数值（还没搞懂）最简单的算法：一元线性回归(LinearRegression）相同的算法，不同的参数值：代价/成本函
Sun_Weiss·2023-01-17 09:01

如何在B站读一个深度学习的研究生？

越来越多人涌入这个领域，同时市面上的资料也是百花齐放，但是真正有价值的资料其实并不多，并且出品于大佬们的手这篇blog将会带领你在b站读一个深度学习的研究生保姆级清单，喜欢的话请点个赞~机器学习入门：吴恩达机器学习
爱睡觉的Raki·2023-01-16 21:59

1-吴恩达机器学习Deeplearning.ai课程，监督学习

(强推|双字)2022吴恩达机器学习Deeplearning.ai课程【公开课】最新斯坦福李飞飞cs231n计算机视觉课程【附中文字幕】AI应用搜索引擎社交图片分享，分类电影推荐语音识别垃圾邮件识别气候变化优化风力发电医疗诊断工业质检自动驾驶通用
愚昧之山绝望之谷开悟之坡·2023-01-16 17:33

吴恩达机器学习课程笔记：监督学习、无监督学习

1.吴恩达机器学习课程笔记：监督学习、无监督学习吴恩达机器学习系列课程：监督学习吴恩达机器学习系列课程：无监督学习仅作为个人学习笔记，若各位大佬发现错误请指正机器学习的学习算法：监督学习、无监督学习、半监督学习
Uncertainty!!·2023-01-16 17:31

吴恩达机器学习课程个人笔记（一）

课程传送门：List机器学习的定义：对于跳棋游戏来说，经验E就是电脑与自己下了数万次的跳棋游戏，任务T则是玩跳棋，那么性能度量P就是与新手下跳棋时赢的概率。下面是一个小问题：监督学习在例子中，给出了实际真实的、正确的数据样本，即房子卖价，而算法目的就是给出更多的正确答案，即为卖家估出750大小的房间价格；同时，这也是一个回归问题，给出连续数值的输出。在例子中，这属于一个分类问题，即离散值的输出，只
Dawning_2l·2023-01-16 08:08

超详细解析——吴恩达机器学习第三周作业Logistic Regression（逻辑回归）（Python实现）

文章目录一、LogisticRegression1.1Visualizingthedata1.2Implementation1.2.1SigmoidFunction1.2.2Costfunctionandgradient1.2.3Learningparametersusingfminunc1.2.4Evaluatinglogisticregression二、Regularizedlogisticr
Lucien Anderson·2023-01-16 08:40

【吴恩达机器学习】第五章 多变量线性回归

多功能多变量线性回归就是多特征量的情况下的假设形式，也就是用多个变量来预测Y值。下图为多变量线性回归的假设形式，即hθ（x）=θTx=θ0x0+θ1x1+θ2x2+...+θnxnh_θ（x）=θ^Tx=θ_0x_0+θ_1x_1+θ_2x_2+...+θ_nx_nhθ（x）=θTx=θ0x0+θ1x1+θ2x2+...+θnxn(其中x_0=1)多元梯度下降法上一课时我们知道了多变量线性回归的假
zxfhahaha·2023-01-15 12:28

机器学习（正在更新）

目录自己疑问-----容易错误的点：训练集、验证集、测试集训练集验证集测试集以下视频地址：[中英字幕]吴恩达机器学习系列课程_哔哩哔哩_bilibili第二章2.1线性回归2-2代价函数（类似误差一样）
小小怪将军！·2023-01-15 11:23

吴恩达机器学习课程笔记（持续更新ing）

1.1什么是机器学习？定义：机器学习是用数据或以往的经验，以此优化计算机程序的性能标准。解释：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：跳棋游戏E：程序与自己下几万次跳棋T：玩跳棋P：与新对手玩跳棋时赢的概率1.2监督学习定义：给算法一个数据集，其中包含了正确答案，算法的目的就是给出更多的正确答案。回归问题：目的：预测连续的数值例如：
最爱吃兽奶638·2023-01-15 11:15

2022吴恩达机器学习specialization Week 2 practice lab: Linear regression

Exercise1#UNQ_C1#GRADEDFUNCTION:compute_costdefcompute_cost(x,y,w,b):"""Computesthecostfunctionforlinearregression.Args:x(ndarray):Shape(m,)Inputtothemodel(Populationofcities)y(ndarray):Shape(m,)Label
wuuucj·2023-01-15 11:06

【机器学习笔记】《统计学习方法》第二章 感知机+随机梯度下降法

有学习需求请绕道，参考吴恩达机器学习或以上书籍，讲得比大多数博客好。概念感知机(perceptron)是二类分类的线性分类模型，其输入为实例的特征向量，输出为实例的类别，取+1，-1二值。
Baolar_Code·2023-01-13 22:30

吴恩达机器学习ex7 python实现

K-Means聚类我们将实施和应用K-means到一个简单的二维数据集，以获得一些直观的工作原理。K-means聚类算法2维实现寻找最近的聚类中心我们要实现的第一部分是找到数据中每个实例最接近的聚类中心的函数。importnumpyasnpimportpandasaspdimportmatplotlib.pyplotaspltimportseabornassbfromscipy.ioimportl
枸杞仙人·2023-01-13 09:41

吴恩达机器学习 12.异常检测

异常检测1.问题的动机什么是异常检测？假想你是一个飞机引擎制造商，当你生产的飞机引擎从生产线上流出时，你需要进行QA(质量控制测试)，而作为这个测试的一部分，你测量了飞机引擎的一些特征变量，比如引擎运转时产生的热量，或者引擎的振动等等这样一来，你就有了一个数据集，从x(1)x^{(1)}x(1)到x(m)x^{(m)}x(m)，如果你生产了m个引擎的话，你将这些数据绘制成图表，看起来就是这个样子：
smile~。·2023-01-12 20:19

机器学习 笔记（继续更新）

学习内容跟随“吴恩达机器学习系列课程”。
M有在认真学习·2023-01-11 09:00

吴恩达---机器学习的流程（持续更新）

参考：吴恩达机器学习的视频视频链接：[中英字幕]吴恩达机器学习系列课程_哔哩哔哩_bilibili本文用于我自己的内容总结以及层次理解。
M有在认真学习·2023-01-11 09:30

吴恩达机器学习第四周学习笔记及编程作业答案

一、理论基础1.神经网络非线性假设当特征太多时，计算的负荷会非常大，这时可以使用非线性的多项式项，能够帮助我们建立更好的分类模型。1.1模型表示第一层成为输入层（InputLayer），最后一层称为输出层（OutputLayer），中间一层成为隐藏层（HiddenLayers）。我们为每一层都增加一个偏差单位（biasunit），偏差单元的值为1ai(j)代表第j层的第i个激活单元。θ(j)代表从
欢欢吖·2023-01-10 19:31

学习机器学习

必备基础：高数线代概率论基础，python基础（有基础即可，有些忘记了可以在之后的学习过程中用哪学哪）参考知乎答主的学习过程：我的机器学习入门学习清单及路线-桔了个仔的文章)入门吴恩达机器学习：了解为目的
乐呵。乐呵·2023-01-10 14:57

吴恩达机器学习python作业之K-means

参考链接：吴恩达|机器学习作业7.0.k-means聚类_学吧学吧终成学霸的博客-CSDN博客任务一：实现K-means算法任务二：使用K-means算法进行图像压缩任务一：实现K-means算法numpy中的norm()函数求范数_若水cjj的博客-CSDN博客_np.normimportnumpyasnpfrommatplotlibimportpyplotaspltfromscipyimpor
abcd1233463457347·2023-01-10 12:56

吴恩达机器学习视频作业（Matlab实现）

吴恩达机器学习视频的课后作业，使用matlab实现ex1线性回归1.热身建立一个5*5矩阵A=eye(5);2.单变量的线性回归需要根据城市人口数量，预测开小吃店的利润数据在ex1data1.txt里，
m0_57097042·2023-01-10 12:25

K-means算法简单理解

参考《吴恩达机器学习》要解释K-means算法，用图像说明再合适不过了。
Jnchin·2023-01-09 15:59

吴恩达机器学习笔记41-支持向量机的优化目标（Optimization Objective of Support Vector Machines）...

转载于:https://www.cnblogs.com/sl0309/p/10486958.html
weixin_33806509·2023-01-09 11:59

吴恩达机器学习14-降维

吴恩达机器学习14-降维1.数据压缩数据压缩不仅压缩数据，因而使用较少的计算机内存或磁盘空间，而且加快了学习算法的收敛速度。如果你有几百个或成千上万的特征，它是它这往往容易失去你需要的特征。
小y同学在学习·2023-01-08 02:57

吴恩达机器学习课后作业——K-means 和PCA（主成分分析）

kmeans聚类一、作业内容在本练习中，您将实现K-means聚类算法并应用它来压缩图像。数据集下载位置(包含吴恩达机器学课后作业全部数据集)：data二、作业分析1、无监督学习：根据类别未知(没有被标记)的训练样本解决模式识别中的各种问题，称之为无监督学习，“监督”的意思可以直观理解为“是否有标注的数据”。无监督学习的特点是，传递给算法的数据在内部结构中非常丰富，而用于训练的目标和奖励非常稀少。
荭凯·2023-01-08 02:57

吴恩达机器学习——第15章 降维

第15章降维1、定义2、目的3、PCA降维3.1计算过程3.2主成分数量的选择3.2.1选择方法13.2.2选择方法23.3压缩重现3.4建议1、定义数据是由一个个特征组成的，假如数有n个特征，则称数据是n维的。降维就是在保证数据特征趋势不变的前提下，减少特征的个数。减少特征的依据是把多个相似、相关特征合并为1个特征。2、目的降维的目的分为两种：压缩数据：特征数量变少了，数据量自然也就变少了，压缩
丨知耻而后勇丨·2023-01-08 02:25

吴恩达机器学习（十一）—— 降维

降维1.动机1：数据压缩2.动机2：数据可视化3.主成分分析问题规划4.主成分分析算法5.重建压缩表示6.主成分数量的选择7.应用PCA的建议1.动机1：数据压缩  数据压缩不仅能对数据进行压缩，使得数据占用较少的内存或硬盘空间，还能让我们对学习算法进行加速。  假使我们要采用两种不同的仪器来测量一些东西的尺寸，其中一个仪器测量结果x1x_{1}x1的单位是厘米，另一个仪器测量的结果x2x_{2}
青春是首不老歌丶·2023-01-08 02:54

吴恩达机器学习-PCA

1.PCA理论原理1.降维与PCA  降维：将数据由原来的n个特征缩减为k个特征（可能从n个中直接选取k个，也能根据这n个重新组合成k个）。可起到数据压缩的作用（因而也就存在数据丢失）。  PCA：即主成分分析法，属于降维的一种方法。其主要思想是：根据原始的n个特征（也就是n维），重新组合出k个特征，且这k个特征能最大量度地涵盖原始的数据信息（虽然会导致信息丢失，但所丢失信息可忽略不计）。有一个结
NLP菜鸟·2023-01-08 02:54

吴恩达机器学习课程13——降维

目录降维与数据压缩降维与可视化数据主成分分析法（PCA）什么是PCA数据预处理算法操作主成分数量选择压缩重现PCA的应用如有不妥，还请不吝指正~降维与数据压缩降维可以使数据规模减小，从而起到节约空间、加快算法执行等作用。数据压缩这个词我们还比较好理解，那降维是怎么一回事呢？它们两个是怎么扯上关系的呢？降维，其实就是一种削减特征数量的手段。为什么要削减特征数量呢？众所周知，特征少了不好，多了也不好，
CtrlZ1·2023-01-08 02:54

吴恩达机器学习（十七）—— 降维

吴恩达机器学习系列内容的学习目录→\rightarrow→吴恩达机器学习系列内容汇总。
大彤小忆·2023-01-08 02:18

2022吴恩达机器学习第2课week2

2022吴恩达机器学习课程学习笔记（第二课第二周）1-1TensorFlow实现1-2模型训练细节2-1sigmoid激活函数的替代方案2-2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
天微亮。·2023-01-07 09:57

吴恩达机器学习（十八）—— ex7：K-means Clustering and Principal Component Analysis (MATLAB + Python)

吴恩达机器学习系列内容的学习目录→\rightarrow→吴恩达机器学习系列内容汇总。
大彤小忆·2023-01-06 07:12

机器学习——逻辑回归(分类)编程训练

机器学习——逻辑回归(分类)编程训练参考资料：1.黄海广老师：吴恩达机器学习笔记github本文是吴恩达机器学习课程中的第二个编程训练。
苏打水可乐·2023-01-05 19:30

吴恩达机器学习课程C1W2_lab03 运行时找不到lab_utils_multi模块

如果在自己写程序遇到找不到lab_utils_multi模块的情况，可以按下列步骤解决：1.在coursera实验室文件中，虽然看不到这个文件，但是可以点击下载所有文件，下载完成后在下载文件中就能找到lab_utils_multi.py2.把lab_utils_multi.py复制到当前你的程序所在的目录下面，再按照课程代码运行即可
m0_59884851·2023-01-04 20:10

吴恩达机器学习踩过的坑

1.lab_utils_uni文件，这是吴老师自己写的代码？百度叫piplab什么的都无效。有需要的直接去github取别人整理出来的这个文件。GitHub-kaieye/2022-Machine-Learning-Specialization
双鱼--玉佩·2023-01-04 15:05

吴恩达机器学习笔记（8）——模型评估与机器学习诊断法

一、如何改进一个机器学习算法假设你已经训练出一个机器学习算法，但是效果不太好，那么有以下几种改进方法：1、获得更多的训练数据2、选用更少的特征3、增加特征量4、增加高次项5、增大或减小正则化参数lambda的值很多人只是随机选择上述方法的一种，即浪费时间又没有效果。所以接下来会介绍模型的评估及机器学习的诊断法。二、模型评估(EvaluatingaHypothesis)1、评估假设：一个训练误差最小
阿尔基亚·2023-01-03 12:04

吴恩达机器学习[9]-神经网络学习

神经网络学习NeuralNetwork非线性假设Non-linearhypotheses神经元与大脑Neuronsandthebrain模型展示1Modelrepresentation1模型展示2Modelrepresentation2例子与直觉理解1Examplesandintuition1例子与直觉理解2Examplesandintuition2多元分类Multi-classclassific
踏归1234·2023-01-02 07:19

吴恩达机器学习编程作业总结——具有神经网络思维的Logistic回归

目录吴恩达机器学习编程作业总结——具有神经网络思维的Logistic回归1.猫教程1.1训练集和测试集介绍1.2图片数据处理1.2.1对图片降维，转置：1.2.2标准化，图片数据的每一行除以255，使其处于
发光的黑暗·2023-01-02 07:19

吴恩达机器学习正则化Logistic算法与神经网络的MATLAB实现（对应ex3练习）

前言：本次作业主要是一个多分类案例的实现。其主要是利用logistic算法，多分类与二分类问题相似。其主要思想是将N类别的分类转换成N个二分类问题，每次选择其中一个类别作为正类，其余的类别都作为反类，计算出相应的权重。最后通过计算出来的N个权重对输入样本做预测，选取其中最大输出作为最终的输出。lrCostFunction.m该函数是正则化logistic算法的实现，包括计算代价函数和梯度，值得注意
非常满意·2023-01-02 07:15

吴恩达机器学习课程07——神经网络学习

目录神经网络模型前向传播反向传播神经网络模型关于这一块的入门知识，比如什么是神经网络呀，等等抽象的入门概念，我不打算讲太多，准确的说，吴恩达老师的课程里已经陈述了一遍了，比较好理解，没有太多要讲的地方。今天的话，我主要想再讲一下前向传播和反向传播的知识（主要是反向传播），这一块其实吴恩达老师也拿出了很多的时间来讲解，但是说实话，这一块内容比较的绕，需要一定的数学功底，之前我也专门总结过很多次了，即
CtrlZ1·2023-01-02 07:45

Python吴恩达机器学习作业 4 - 神经网络

编程作业4-神经网络对于这个练习，我们将再次处理手写数字数据集，这次使用反向传播前馈神经网络。我们将通过反向传播算法实现神经网络成本函数和梯度计算的非正则化和正则化版本，我们还将实现随机权重初始化和使用网络进行预测的方法。由于我们在练习3中使用的数据集是相同的，所以我们将重新使用代码来加载数据。importnumpyasnpimportpandasaspdimportmatplotlib.pypl
Puzzle harvester·2023-01-02 07:45

吴恩达机器学习——Andrew Ng machine-learning-ex3 python实现

目录Exercise3:Multi-classClassificationandNeuralNetworks1.Multi-classClassification1.1LoadingandVisualizingData1.2VectorizeLogisticRegression1.3One-vs-AllTraining1.4PredictforOne-Vs-All2.NeuralNetworks2.1
令狐傻笑·2023-01-02 07:10

吴恩达机器学习（七）—— 神经网络：Representation

吴恩达机器学习系列内容的学习目录→\rightarrow→吴恩达机器学习系列内容汇总。
大彤小忆·2023-01-02 07:31

吴恩达机器学习课程笔记(英文授课) Lv.2 新手村（分类）

目录6-1分类6-2假设陈述6-3决策界限decisionboundary6-4代价函数6-5简化代价函数与梯度下降6-6高级优化算法6-7多元分类：一对多7-1过拟合问题7-2代价函数7-3线性回归的正则化7-4logistic回归的正则化温故而知新~~~~6-1分类1.内容：当预测的变量y是一个离散值（012345.。。）情况下的分类问题，逻辑（logistic）回归算法，当今最流行、最广泛使
玉一·2023-01-01 13:20

吴恩达机器学习[8]-正则化在线性回归、logistic回归应用与python实现

正则化-线性回归及logistic回归的应用与python实现过拟合问题overfitting问题识别过拟合问题解决代价函数costfunction线性回归的正则化logistic回归的正则化代码实现+可视化过拟合问题overfitting问题识别欠拟合（underfitting)或高偏差（highbias），拟合效果差恰好拟合（justright）过拟合（overfiiting）或高方差（hig
踏归1234·2023-01-01 13:20

吴恩达机器学习—— 六、逻辑回归（Logistic Regression）

六、逻辑回归（LogisticRegression）6.1分类问题算法的性质是：它的输出值永远在0到1之间。当hθ(x)>=0.5{h_\theta}\left(x\right)>=0.5hθ(x)>=0.5时，预测y=1y=1y=1。当hθ(x)<0.5{h_\theta}\left(x\right)<0.5hθ(x)<0.5时，预测y=0y=0y=0。6.2逻辑函数hθ(x)=g(θTX)h_
天天152·2023-01-01 13:50

《吴恩达机器学习》15 异常检测

异常检测前言一、高斯分布1、问题描述2、算法二、异常检测方法应用1、应用方式2、异常检测与监督学习比较3、特征选择三、多变量的高斯分布总结前言异常检测首先不是检测机器学习算法中的异常，也不是一个算法，它指的是一种应用场景（刚开始时我也陷入这两种猜测。。。）比如在工厂内生产一批零件，我们用高斯分布的方法来预测新生产的零件的异常状况。这就是本章学习的内容——异常检测一、高斯分布正态分布（Normald
JockerWong·2023-01-01 13:18

《吴恩达机器学习》18 机器学习总结

前言原机器学习最后一章的内容为图片文字识别，但是笔者在看了这一章的课程之后发现其内容可能实际应用性不大，课程讲的ocr识别的方法已经不适合目前主流的算法（目前主流使用CNN——卷积神经网络），故省略这一章节的笔记，改为对整个机器学习课程的总结。一、监督学习算法1、线性回归线性回归是利用数理统计中回归分析，来确定两种或两种以上变量间相互依赖的定量关系的一种统计分析方法，运用十分广泛。其表达形式为hθ
JockerWong·2023-01-01 13:18

《吴恩达机器学习》6 Logistic 回归

Logistic回归前言一、Logistic回归1、分类算法2、决策边界二、代价函数及梯度下降法1、代价函数2、简化模型3、梯度下降法三、高级优化算法及多分类问题1、几种高级优化算法2、多分类问题总结前言前面的课程我们讨论的都是线性回归方程，比如根据历史数据预测房价等，他们的共同特别就是数据是一种随着变量呈现一种线性关系。那么对于分类问题，如根据邮件的内容标记是否垃圾邮件，机器学习的解法又是怎么样
JockerWong·2023-01-01 13:17
上一页 2 3 4 5 6 7 8 9 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他