吴恩达机器学习私人笔记第7页

吴恩达机器学习笔记（6）——Logistic回归

1.Classification我们可以尝试使用线性回归来实现分类，所要做的就是在线性回归拟合数据以后给他一个threshold（阈值），例如在下面的例子中，就可以给一个0.5作为阈值（当hθ(x)的值大于等于0.5时，预测y为1；当hθ(x)小于0.5时，预测y为0）来预测肿瘤的性质（良性或恶性）。在这种情况下，我们所看到的使用线性回归来实现分类任务好像没有问题，但是，当我们多了一个训练样本时，

不跑步就等肥·2023-01-01 13:47

吴恩达机器学习笔记week6——逻辑回归 Logistics Regression）

吴恩达机器学习笔记week6——逻辑回归LogisticsRegression）6-1.分类Classification6-2.假设陈述HypothesisRepresentation6-3.决策界限decisionboundary6

Saulty·2023-01-01 13:44

吴恩达机器学习新课程又来了！旁听免费，小白友好

Alex发自凹非寺量子位|公众号QbitAI吴恩达的经典机器学习课程又双叒开新课了！今天，吴老师发推分享了这则好消息。该课程由deeplearning.ai和斯坦福大学提供，目前已上线Coursera。和之前机器学习课程不同的是，本系列课程对ML初学者友好，不用学员有太多数学背景。（不过线性代数和高等数学基础知识还是需要掌握的）对此，评论区洋溢着激动和喜悦之情。有人表示：终于等到你！甚至还有网友已

风度78·2022-12-31 12:11

nlp——机器学习（2）

下面是今天学习笔记：吴恩达机器学习笔记：梯度下降算法：应用于线性回归，还有其他机器学习的应用上思路：开始于0，1，不停改变0，1去减少代价函数J，直到我们找到J的最小值或者局部最小值反复做一步直到收敛:

soobinnim·2022-12-30 22:57

机器学习算法笔记(1)——逻辑斯蒂回归Logistic处理二分类任务

逻辑斯蒂回归LogisticRegressor处理二分类任务一.逻辑斯蒂回归1.模型2.代价函数（损失函数）3.优化算法二.代码实现1.二维二分类2.多维二分类本系列为观看吴恩达老师的[中英字幕]吴恩达机器学习系列课程做的课堂笔记

念旧NiceJeo·2022-12-30 16:54

【机器学习（九）】大数据集及其梯度下降算法

声明：本文是以吴恩达机器学习系列课程为学习对象而作的学习笔记。本文对应P102-P105。大数据集假定你的训练集的大小m为100000000。如果你想训练一个线性回归模型或是一个逻辑回归模型。

趴抖·2022-12-29 21:31

【机器学习（八）】神经网络进阶

声明：本文是以吴恩达机器学习系列课程为学习对象而作的学习笔记。本文对应P50-P56。

趴抖·2022-12-29 21:59

学习记录(3):使用卷积神经网络进行手写数字识别

这些学习都是在学习了一些机器学习和深度学习的基础上的延伸，并且也学习了一部分pytorch的基础上，以下为相关链接：吴恩达机器学习吴恩达深度学习莫烦pytorch学习下面代码均上传到github上，链接如下

ZN-ZY·2022-12-29 03:23

学习记录(1)：机器学习使用numpy矩阵进行梯度下降进行曲线拟合

这些学习都是在学习了一些机器学习和深度学习的基础上的延伸，并且也学习了一部分pytorch的基础上，以下为相关链接：吴恩达机器学习吴恩达深度学习莫烦pytorch学习下面代码均上传到github上，链接如下

ZN-ZY·2022-12-29 03:52

【吴恩达机器学习笔记】第五章神经网络学习

【吴恩达机器学习笔记】第五章神经网络学习1、神经网络模型我们将一个神经元模拟成一个逻辑单元，下图表示对hθ(x)h_{\theta}(x)hθ(x)进行计算的神经元，黄色圆圈代表一个神经元，蓝色圆圈代表树突或轴突传输的信号

毕君郁·2022-12-28 12:13

吴恩达机器学习入门笔记7-神经网络

7神经网络解决特征数量过多，线性回归与逻辑回归算法参数过多的情况7.1M-P神经元模型神经元接收其他n个神经元传递的输入信号，加权和作为总输入值，与神经元阈值比较，再通过激活函数处理产生神经元输出，激活函数为sigmoid函数，是设定在神经元上的函数，典型的激活函数为sigmoid函数7.2感知机最简单的神经网络，输入层仅接收外界信号，输出层为M-P神经元，可容易实现逻辑与或非运算，感知机权重学习

杰斯洛兰德·2022-12-28 12:41

【机器学习（四）】分类问题与logistic回归模型

声明：本文是以吴恩达机器学习系列课程为学习对象而作的学习笔记。本文对应P32-P36、P38。情景引入在前面几篇文章中，我们提到了判断邮件是否为垃圾邮件的例子，以及良性与恶性肿瘤的例子。

趴抖·2022-12-28 12:07

【机器学习（六）】过拟合问题及正则化

声明：本文是以吴恩达机器学习系列课程为学习对象而作的学习笔记。本文对应P39-P42。过拟合问题下面是一个用线性回归来预测房价的例子：第一种拟合没有很好地拟合训练集，称其为欠拟合。

趴抖·2022-12-28 12:07

【机器学习（五）】高级优化

声明：本文是以吴恩达机器学习系列课程为学习对象而作的学习笔记。本文对应P37。回顾梯度下降算法我们有一个代价函数J，而我们想要使它最小化。

趴抖·2022-12-28 12:35

【机器学习（七）】神经网络入门及多元分类

声明：本文是以吴恩达机器学习系列课程为学习对象而作的学习笔记。本文对应P43-P49。神经网络的起源人们想尝试设计出模仿大脑的算法。它的理念就是，如果我们想要建立学习系统，我们可以选择去模仿大脑。

趴抖·2022-12-28 12:35

吴恩达机器学习手写笔记（持续更新ing）

吴恩达机器学习笔记文章目录吴恩达机器学习笔记1.Introduction2.Linearregressionwithonevariable3.LinearAlgebrareview4.多变量线性回归（Linearregressionwithmultiplevariables

Mrwei_418·2022-12-26 13:02

K-means聚类与PCA【Coursera 斯坦福机器学习】

本文基于Coursera斯坦福吴恩达机器学习课程谢绝任何不标记出处的转载如有问题请联系作者所有非手画图像（除公式）均来自课程侵删—————————————————————————————————————

爱看动漫的李皮皮·2022-12-24 13:58

吴恩达机器学习入门笔记

一、绪论1、监督学习：根据已有的数据集，知道输入和输出结果之间的关系。根据这种已知的关系，训练得到一个最优的模型。监督学习包括回归和分类理解：监督学习中训练数据既有特征又有标签，通过学习，让机器在面对只有特征没有标签的数据时，可以判断出标签。举例：①【回归】房子大小（特征），预测房价（标签）②【分类】肿瘤大小（特征），预测肿瘤是否良性（标签）2、无监督学习：我们不知道数据集中数据、特征之间的关系，

Umikaze_·2022-12-23 23:03

吴恩达机器学习总结（三）——神经网络的反向传播

神经网络的反向传播在上一篇博客中，利用神经网络对手写数字数据进行分类的结果虽然已经很高了，但和测试样本本身的输出值进行比较还是存在着一定的误差。这时我们需要使用这个误差值来调整神经网络本身，进而改变神经网络的输出值。误差传递我们知道在前向传播中，每个节点向下一层传递的信号所占权重不同。若只有一个节点的信号传递到输出节点，那调整神经网络输出值的方式将简单的多，只需要更新这个节点的权重即可。假如有多个

Anaconda_·2022-12-23 23:02

【吴恩达机器学习笔记】001 什么是机器学习（What is Machine Learning）

一、什么是机器学习机器学习(MachineLearning,ML)是一门多领域交叉学科，涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。专门研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能。它是人工智能的核心，是使计算机具有智能的根本途径，其应用遍及人工智能的各个领域，它主要使用归纳、综合而不是演绎。二、机器学习的定义Arth

水亦心·2022-12-23 23:57

吴恩达机器学习（一）定义及算法简单介绍

WhatisMachineLearning?TwodefinitionsofMachineLearningareoffered.ArthurSamueldescribeditas:"thefieldofstudythatgivescomputerstheabilitytolearnwithoutbeingexplicitlyprogrammed."Thisisanolder,informaldef

hosheaw·2022-12-23 23:55

机器学习 | 吴恩达机器学习第九周编程作业(Python版）

实验指导书下载密码:bgi7本篇博客主要讲解，吴恩达机器学习第九周的编程作业，主要包含异常检测实验和电影推荐系统实验两部分。原始实验使用Matlab实现，本篇博客提供Python版本。

CoreJT·2022-12-23 22:58

吴恩达机器学习的报错：ModuleNotFoundError: No module named ‘ipympl‘

我的问题是解决方案就是首先在用命令行打开项目所在目录,先在编译器里面openinterminal，然后condaactivate某个环境，如果使用的是base环境就直接condaactivate然后直接pipinstallipympl

阿维的博客日记·2022-12-23 21:50

2022吴恩达机器学习课程——第三课（非监督学习）

注：参考B站视频教程视频链接：【(强推|双字)2022吴恩达机器学习Deeplearning.ai课程】写在前面：文章只是为了记录学习课程的整个过程，方便以后查漏补缺，方便找到对应章节，希望看到这篇文章的同学能够认真的看一遍视频教程

now_try_·2022-12-23 12:35

吴恩达机器学习6-逻辑回归

吴恩达机器学习6-逻辑回归1.分类问题如判断一封电子邮件是否是垃圾邮件：答案只有两种是或不是如果使用线性回归，如下图:函数的输出值可能远大于1，或者远小于0，不便于判断引入逻辑回归：算法的性质是：它的输出值永远在

小y同学在学习·2022-12-22 13:55

【机器学习（一）】什么是机器学习、监督学习及无监督学习

声明：本文是以吴恩达机器学习系列课程为学习对象而作的学习笔记。

趴抖·2022-12-22 11:19

【机器学习（二）】模型描述与代价函数

声明：本文是以吴恩达机器学习系列课程为学习对象而作的学习笔记。模型描述引例仍然是上期运用的房价例子：假设现出售的房子大小为1250平方英尺，想要推测它的房价。

趴抖·2022-12-22 11:17

【机器学习（三）】线性回归的梯度下降法

声明：本文是以吴恩达机器学习系列课程为学习对象而作的学习笔记。梯度下降法梯度下降法可以最小化任意函数J问题描述我们有一个函数J(θ_0,θ_1),现在需要用一个算法来最小化该函数J。

趴抖·2022-12-22 11:17

吴恩达机器学习课程笔记——Ch9 神经网络

Chapeter9NeuralNetworks（神经网络：示例）已经不能倍速看了==真实....课程笔记总览传送门：https://blog.csdn.net/weixin_42900928/article/details/86523192目录Chapeter9NeuralNetworks（神经网络：示例）9.1Non-linearHypotheses（非线性假设）9.2ModelRepresen

A_waken·2022-12-22 09:17

jupyter book执行lab报错No module named ‘ipympl‘

吴恩达机器学习_代价函数lab执行报错执行C1_W1_Lab04_Cost_function_Soln.ipynb中代码时报错Nomodulenamed‘ipympl’，解决方法如下：1.关闭jupyternotebook

外星男神欧买噶i·2022-12-20 14:53

Machine Learning - Coursera 吴恩达机器学习教程 Week1 学习笔记

机器学习的定义ArthurSamuel传统定义ArthurSamuel:“thefieldofstudythatgivescomputerstheabilitytolearnwithoutbeingexplicitlyprogrammed.”Thisisanolder,informaldefinition.让计算机无需明确编程，就有学习能力。TomMitchell现代定义TomMitchell:“

zhang35·2022-12-19 10:39

吴恩达机器学习:week2

title:‘吴恩达机器学习:week2’date:2019-11-2015:31:00mathjax:truecategories:机器学习tags:机器学习文章目录@[toc]单变量线性回归(LinearRegressionwithOneVariable

胖虎艾春辉·2022-12-19 10:05

吴恩达机器学习：week1

title:吴恩达机器学习：week1date:2019-11-0317:41:46categories:机器学习tags:机器学习第1周文章目录第1周1.1欢迎1.2机器学习是什么？

胖虎艾春辉·2022-12-19 10:35

[吴恩达机器学习课程笔记] week three 无监督学习

无监督学习定义在聚类问题中，我们给出一个训练集{x1,…,xm}，期望将数据分成一些有凝聚力的“簇”。这里的xi通常属于实数；但是数据集并没有标签y给出，所以这就是一个无监督学习问题。K-means算法最常用的基于欧式距离的聚类算法，其认为两个目标的距离越近，相似度越大。K的数量选择最好的办法：手动选择。牧师-村民模型K-means有一个著名的解释：牧师—村民模型：有四个牧师去郊区布道，一开始牧师

mossfan·2022-12-19 10:29

吴恩达机器学习笔记week1——初识机器学习

吴恩达机器学习笔记week1——初识机器学习1-1.欢迎参加《机器学习》课程1-2.什么是机器学习？

Saulty·2022-12-19 10:55

[Machinie Learning] 吴恩达机器学习课程笔记——Week5

MachineLearningbyAndrewNg吴恩达机器学习课程学习笔记——Week5本人学习笔记汇总合订本✓课程网址standfordmachinelearning参考资源课程笔记python版作业学习提纲

Carsick Car·2022-12-18 14:36

2022吴恩达机器学习课程——第二课（神经网络）

注：参考B站视频教程视频链接：【(强推|双字)2022吴恩达机器学习Deeplearning.ai课程】文章目录第一周一、神经元二、神经网络三、代码实现&Tensorflow四、前向传播五、强人工智能六

now_try_·2022-12-17 16:18

吴恩达机器学习3——逻辑回归、正则化

机器学习第三周一、逻辑回归1.分类问题1.1分类的概念1.2使用线性回归来解决分类模型1.3逻辑回归模型1.4分类边界2.逻辑回归模型logisticregression2.1代价函数2.2梯度下降2.3高级优化方法3.多类别分类：一对多二、正则化1.过拟合问题2.修改代价函数实现正则化3.正则化线性回归4.正则化逻辑回归一、逻辑回归1.分类问题在监督学习的分类中，我们了解到有回归问题和分类问题。

old sweet ᝰ·2022-12-17 15:19

[Machinie Learning] 吴恩达机器学习课程笔记——Week3

MachineLearningbyAndrewNg吴恩达机器学习课程学习笔记——Week3本人学习笔记汇总合订本✓课程网址standfordmachinelearning参考资源课程笔记python版作业学习提纲

Carsick Car·2022-12-17 08:08

吴恩达机器学习python实现（6）：SVM支持向量机（文末附完整代码）

所有的数据来源：链接：https://pan.baidu.com/s/1vTaw1n77xPPfKk23KEKARA提取码：5gl21SupportVectorMachines1.1Preparedatasetsimportnumpyasnpimportpandasaspdimportmatplotlib.pyplotaspltimportseabornassb#更好的可视化封装库fromscip

TCQD·2022-12-16 16:28

吴恩达机器学习打卡day1

本系列文档按课程视频的章节（P+第几集）进行分类，记录了学习时的一些知识点，方便自己复习。课程视频P2图1介绍了机器学习的三个指标。分别是：experienceE,taskT&performancemeasureP。图1 图2介绍了机器学习的分类，主要有：Superivedlearning和Unsupervisedlearning,其他的还有Reinforcementlearning等等

学吧学无止境·2022-12-16 06:10

吴恩达机器学习视频课笔记【第1-3章】

目录1机器学习的一些概念1.1基础概念1.2监督学习1.3无监督学习1.4模型的泛化能力1.5假设空间2模型相关知识点2.1模型描述2.2代价函数（costfunction）2.3梯度下降（Gradientdescent）2.4线性回归算法（Linearregression）3矩阵和向量typora使用数学公式(部分)1机器学习的一些概念1.1基础概念数据集datasetD={x1,x2,x3,…

反正没几根头发·2022-12-16 04:41

吴恩达机器学习课程-第一周

1.监督学习数据集中的每个样本都有相应的“正确答案”，再根据这些样本作出预测2.无监督学习数据集中没有任何的标签/有相同的标签，将数据分为不同的簇3.单变量线性回归3.1模型表示只含有一个特征/输入变量：hθ(x)=θ0+θ1(x)h_\theta(x)=\theta_0+\theta_1(x)hθ(x)=θ0+θ1(x)3.2代价函数选择的参数决定了直线相对于训练集的准确程度，模型所预测的值与训

J___code·2022-12-16 04:37

[吴恩达机器学习课程笔记] week four强化学习

强化学习定义强化学习（ReinforcementLearning,RL），又称再励学习、评价学习或增强学习，是机器学习的范式和方法论之一，用于描述和解决智能体（agent）在与环境的交互过程中通过学习策略以达成回报最大化或实现特定目标的问题。在强化学习框架中，我们将只提供我们的算法一个奖励函数，它指示学习代理何时做得好，当它做得不好。然后，学习算法的工作将是找出如何随时间选择行动，从而获得巨大的奖

mossfan·2022-12-16 04:35

2022吴恩达机器学习（三）| 无监督学习

目录系列文章目录一、聚类（Clustering）1.什么是聚类2.直观理解K均值算法（常用聚类算法）2.K均值算法3.优化目标4.随机初始化5.选择聚类数二、异常检测（AnomalyDetection）1.发现异常事件2.高斯分布/正态分布3.异常检测算法4.开发与评估异常检测系统5.异常检测和监督学习对比6.选择使用什么特征具体笔记编辑引用系列文章目录（一）监督机器学习：回归和分类（二）高级学习

江某1111号机·2022-12-16 04:33

2022吴恩达机器学习课程学习笔记（第二课第四周）

2022吴恩达机器学习课程学习笔记（第二课第四周）决策树模型学习过程纯度选择拆分：信息增益整合One-hot编码连续值特征回归树使用多个决策树有放回抽样随机森林XGBoost何时使用决策树决策树模型举例解释决策树是如何工作的

Ys能保研·2022-12-16 04:27

吴恩达《机器学习》笔记汇总

根据学习进度，将课程分为15部分进行笔记，具体内容如下：吴恩达机器学习（一）——简介吴恩达机器学习（二）——线性回归吴恩达机器学习（三）——Logisitic回归吴恩达机器学习（四）——正则化吴恩达机器学习

青春是首不老歌丶·2022-12-16 00:42

Matlab吴恩达机器学习编程练习ex5：正则化线性回归和偏差v.s. 方差Regularized Linear Regression and Bias v.s. Variance

本文基于吴恩达老师第六周的练习，在这次的练习中，你将会实现正则化的线性回归并且用它去实现不同的偏差和方差的性质。作业大纲1正则化线性回归1.1数据可视化1.2正则化线性回归代价函数1.3正则化线性回归梯度linearRegCostFunction.m1.4线性回归拟合2偏差-方差2.1学习曲线learningCurve.m3多项式回归polyFeatures.m3.1学习多项式回归3.3使用交叉验

Zhanghp947·2022-12-14 15:04

机器学习（一）监督学习和无监督学习

二、课程学习内容三、监督学习四、无监督学习总结Log2021.12.31寒假开始，开个新坑，记录一些机器学习的笔记，还是老样子放上本次资源，学习视频传送门：[中英字幕]吴恩达机器学习系列课程2022.01.01

竹清兰香·2022-12-14 03:43

我的学习体会

所以在这里我要强烈推荐几个学习资源：吴恩达机器学习深度学习视频,

我是chios·2022-12-13 08:54

推荐频道

吴恩达机器学习私人笔记