吴恩达机器学习课程整理

吴恩达机器学习笔记

机器学习week1Introduction1.SupervisedLearning监督学习给定一个数据集，并且知道其一些正确输出，能够明确知道是不是正确或者错误回归问题：预测一个连续的值的输出分类问题：根据输入给出一个离散的结果输出2.UnsupervisedLearning无监督学习只给出一个数据集，并没有给出其关系，需要我们自行寻找其结构ModelandCostFunctionModelrep
lqvir·2022-11-23 17:03

吴恩达机器学习--学习笔记

1.Introduction1.1Welcome如今机器学习被大规模应用于：数据挖掘（网站点击，医学记录，生物学，工程）一些无法通过编程实现的功能（自动驾驶，手写识别，NLP，CV）self-customizingprograms（各种网站的推荐系统）辅助理解人脑这是一个快速发展的领域，我看好1.2Whatismachinelearning常用的机器学习包括监督学习算法和无监督学习算法。此外还有增
Delay.Chen·2022-11-23 17:28

吴恩达机器学习讲义_悉尼科大徐亦达教授：1000+页机器学习讲义，32 份主题推介...

新智元推荐来源：专知(ID:Quan_Zhuanzhi)【新智元导读】悉尼科大徐亦达教授机器学习讲义，总共涵盖32个主题,1000+页讲义，包括Softmax算法、传统GAN，W-GAN数学，贝叶斯GAN,蒙托卡罗树搜索，alphaGo学习算法等。悉尼科大徐亦达教授近日在GitHub更新了他2019年以来的机器学习新材料，超过1000页的讲义，总共涵盖32个主题。具体而言，主题涉及Softmax的
weixin_39988197·2022-11-23 17:57

吴恩达机器学习编程作业ex4 Neural Networks Learning

一、程序及函数1.引导脚本ex4.m%%MachineLearningOnlineClass-Exercise4NeuralNetworkLearning%Instructions%------------------------------------------------------------------%Thisfilecontainscodethathelpsyougetstarted
Polaris_T·2022-11-23 17:53

【机器学习】吴恩达机器学习个人笔记

文章目录机器学习（MachineLearning）监督学习（supervisedlearning）无监督学习（unsupervisedlearning）模型表示（ModelRepresentation）假设函数（hypothesisfunction）代价函数（costfunction）梯度下降（gradientdescent）矩阵与向量（matricesandvector）多特征值（Multipl
RemiliaScarlets·2022-11-23 17:18

2022吴恩达机器学习：Advanced Learning Algorithm 3.1

3.1TensorFlow中的代码推理例：烤咖啡豆烤咖啡豆时间过短或者温度过低会烤不熟，时间过长或者温度太高会烤糊，中间三角区域才是烤的较好的咖啡豆使用TensorFlow实现咖啡豆好坏的预测例：手写体识别x是图片的像素强度值列表只有关键计算步骤的代码
m0_54237635·2022-11-23 17:44

2022吴恩达机器学习：Advanced Learning Algorithm2.3

2.3神经网络推理：做出预测（前向传播）例：手写数字识别像素强度值：255表示白色像素，0表示黑色像素=[x1,x2……x64]第一层计算：第二层计算：输出层计算：总结前向传播：传播神经元的激活值从左至右沿着向前的方向进行计算反向传播：用于学习神经网络架构的一个典型选择：越靠近输出层，隐藏层中的神经元越来越少
m0_54237635·2022-11-23 17:31

正则化防止过拟合

为了更好的了解过拟合以及为后面做铺垫，还是先看一个吴恩达机器学习系列课程中一个线性回归来预测房价的例子吧Size表示房子的大小，Price表示预测的房子价格。
words8·2022-11-23 10:53

吴恩达机器学习课后作业ex2（python实现）

ex2分为两个部分，第一个部分为线性的逻辑回归，第二部分则是非线性。第一部分数据集：将图像画出来：importpandasaspdimportnumpyasnpimportmatplotlib.pyplotasplt#读取数据df=pd.read_csv('ex2data1.txt',names=['x1','x2','y'])df0=df[df['y']==0]df1=df[df['y']==1
糖醋web排骨·2022-11-23 04:13

机器学习（第二周多元线性回归模型代码）

所以在代码上也并没有太大的区别#1、导入包importnumpyasnpimportpandasaspdimportmatplotlib.pyplotasplt#2、导入数据path='D:\一些桌面玩意\python项目\吴恩达机器学习
chunqiuchan·2022-11-22 17:50

吴恩达机器学习笔记

一、引言部分1.1什么是机器学习机器学习（MachineLearning）：1.是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。2.一个程序被认为能从经验E中学习，解决任务T，达到性能度量值P，当且仅当，有了经验E后，经过P评判，程序在处理T时的性能有所提升。1.2监督学习和无监督学习监督学习（SupervisedLearning）：对
m0_51465135·2022-11-22 15:09

吴恩达机器学习logistic回归作业（python实现）

1.Logisticregression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。假设你是一所大学的行政管理人员，你想根据两门考试的结果，来决定每个申请人是否被录取。你有以前申请人的历史数据，可以将其用作逻辑回归训练集。对于每一个训练样本，你有申请人两次测评的分数以及录取的结果。为了完成这个预测任务，我们准备构建一个可以基于两次测试评分来评估录取可能性的分类模型。im
old sweet ᝰ·2022-11-22 13:17

吴恩达机器学习 逻辑回归 作业2（Python实现）

题目在本部分的练习中，您将使用正则化的Logistic回归模型来预测一个制造工厂的微芯片是否通过质量保证（QA），在QA过程中，每个芯片都会经过各种测试来保证它可以正常运行。假设你是这个工厂的产品经理，你拥有一些芯片在两个不同测试下的测试结果，从这两个测试，你希望确定这些芯片是被接受还是拒绝，为了帮助你做这个决定，你有一些以前芯片的测试结果数据集，从中你可以建一个Logistic回归模型。目录1正
剑与月光·2022-11-22 13:45

吴恩达机器学习-逻辑可分案例

代码：importnumpyasnpimportpandasaspdimportmatplotlib.pyplotasplt#文件路径path='ex2data1.txt'#读取文件data=pd.read_csv(path,names=['Exam1','Exam2','Accepted'])#把接收的和被接收的分开来画图fig,ax=plt.subplots()ax.scatter(data[
吃鱼丸的申申·2022-11-22 13:13

吴恩达机器学习[7]-Logistic回归算法-介绍与python实现

Logistic回归算法-介绍与python实现分类假设陈述模型解释决策边界代价函数简化代价函数与梯度下降高级优化多元分类：一对多总结与代码实现Logistic回归与线性回归差异数据特征值为类别的处理Logictic回归代码实现（Python）分类分类预测算法y存在两个取值，即0、1。【y取值为0,1,2或更多时，为多分类问题。】此时，简单的线性回归加上阈值划分，无法很合拟合点分布。因此，引入lo
踏归1234·2022-11-22 13:13

Python吴恩达机器学习作业 2 - logistic回归

编程作业2logistic_regression（逻辑回归）推荐运行环境：python3.6建立一个逻辑回归模型来预测一个学生是否被大学录取，根据两次考试的结果来决定每个申请人的录取机会。有以前的申请人的历史数据，可以用它作为逻辑回归的训练集。python实现逻辑回归目标：建立分类器（求解出三个参数θ0θ1θ2\theta_0\theta_1\theta_2θ0θ1θ2）即得出分界线备注：θ1\t
Puzzle harvester·2022-11-22 13:43

吴恩达机器学习作业Python实现之logistic回归-理论推导

Logisticregression:1)预测函数：逻辑函数或者sigmoid函数2）代价函数costfunction优化目标是选取Θ是J最小。但是逻辑回归的J函数是非凸函数，不好求导。3）引入概率模型：4）概率模型的最大似然估计：选取θ使P（所有样本）最大。5）统一J和P：向量化公式：
Learningisgood·2022-11-22 13:05

吴恩达机器学习作业Python实现之logistic回归

importosos.chdir('E:/ML/machine-learning-ex2')print('现在工作目录是'+str(os.getcwd()))#可视化数据importpandasaspdimportmatplotlib.pyplotaspltimportnumpyasnpex2data1=pd.read_csv('ex2data1.txt',names=['exam1','exam
Learningisgood·2022-11-22 13:35

吴恩达机器学习笔记第一周

第一周吴恩达机器学习笔记第一周一、引言(Introduction)1.1欢迎1.2机器学习是什么？
LL.syx·2022-11-22 08:40

吴恩达机器学习----线性回归

概括：ModelCostfunction：去找到最小的J（w,b）如何理解Costfunction（代价函数）下面从三组数据（1，1），（2，2），（3，3），结合f（x）=wx模型去看（给不同w）：w=1:w=0.5:w=0:通过多组可找到：结论：可视化代价函数:让我们可视化线性回归模型中w和b一些特定的选择如何影响拟合的数据的直线可视化举例：（最小在（等高线）中心）预告：梯度下降（梯度下降的变
honglili_ya·2022-11-22 02:56

吴恩达机器学习课程笔记+代码实现(4)Python实现单变量线性回归和梯度下降(Programming Exercise 1.1)

ProgrammingExercise1:LinearRegressionPython版本3.6编译环境：anacondaJupyterNotebook链接：ex1data1.txt、ex1data2.txt和编程作业ex1.pdf（实验指导书）提取码：i7co1单变量线性回归(Linearregressionwithonevariable)本章课程笔记部分见：单变量线性回归和梯度下降1.1数据可
geekxiaoz·2022-11-22 00:27

吴恩达机器学习课程笔记+代码实现(12)Python实现多类分类和神经网络(Programming Exercise 3)

ProgrammingExercise3:Multi-classClassificationandNeuralNetworksPython版本3.6编译环境：anacondaJupyterNotebook链接：实验数据和实验指导书提取码：i7co本章课程笔记部分见：神经网络：表述(NeuralNetworks:Representation)神经网络的学习(NeuralNetworks:Learni
geekxiaoz·2022-11-22 00:27

吴恩达机器学习anaconda中配置虚拟环境（Tensorflow）(jupyter notebook)

因为此处只是创建运行吴恩达大佬机器学习课程的虚拟环境，所以只需要下cpu版本即可1.首先安装好anaconda环境此处不做说明2.打开AnacondaPrompt在base环境中创建环境在命令行输入condacreate-n自定义环境名python=3.9condacreate-ntensorflow39python=3.93.进入创建好的环境进入（激活）环境在命令行输入activate环境名ac
qq_43669538·2022-11-21 23:28

吴恩达机器学习python实现1 单变量线性回归

单变量线性回归0、引入要用到的库importnumpyasnpimportmatplotlib.pyplotasplt1、读取数据，绘制图像withopen(文件路径)asf:populations=[]profit=[]forlineinf.readlines():populations.append(float(line.split(',')[0]))profit.append(float(l
Scarlett1007·2022-11-21 15:30

吴恩达机器学习课后作业ex1（python实现）

作业介绍吴恩达老师的作业资源可以在github或者网上找到。ex1主要是对线性回归的一些复习和梯度下降、损失函数等的具体代码实现。pdf文件是对作业的说明。文件夹则是作业数据的各种格式，python主要用到了txt文件。单变量线性回归ex1data1.txt是由两列组成，第一列是城市人口数量，第二列是餐车收益。这里我使用python进行初步的文件读入以及画图importnumpyasnpimpor
糖醋web排骨·2022-11-21 15:59

梯度下降法/正规方程求解线性回归问题Python实现

算法逻辑请参考吴恩达机器学习相关视频梯度下降法importnumpyasnpimportmatplotlib.pyplotaspltdefcompute_cost(theta0,theta1,X,y):
Rucooo·2022-11-21 15:48

python拟合反比例函数_吴恩达机器学习——正则化

7.1过拟合的问题过拟合问题简单来说就是泛化能力差：所建的机器学习模型在训练样本中准确率很高，在验证数据集中准确率低——也就是说模型难以推广到新的数据。下图是一个回归问题的例子：第一个模型是一个线性模型，欠拟合，不能很好地适应我们的训练集；第三个模型是一个四次方的模型，过于强调拟合原始数据，而丢失了算法的本质：预测新数据。我们可以看出，若给出一个新的值使之预测，它将表现的很差，是过拟合，虽然能非常
weixin_39802784·2022-11-21 03:16

吴恩达机器学习系列课程笔记——第三章：线性代数回顾(Linear Algebra Review)

3.1矩阵和向量https://www.bilibili.com/video/BV164411b7dx?p=12矩阵的维数即行数×列数矩阵元素（矩阵项）：Aij指第i行，第j列的元素。向量是一种特殊的矩阵，讲义中的向量一般都是列向量，如如下图为1索引向量和0索引向量，左图为1索引向量，右图为0索引向量，一般我们用1索引向量。3.2加法和标量乘法https://www.bilibili.com/vi
Lishier99·2022-11-20 23:43

吴恩达机器学习笔记--第一周-4.线性代数复习

week1-4.LinearAlgebraReview一、MatricsandVectors二、AdditionandScalar三、MatrixVectorMultiplication四、MatrixMatrixMultiplication五、InverseandTransposeprediction=datamatrix*parameters
Loki97·2022-11-20 23:34

【吴恩达机器学习笔记】1引言、单变量线性回归、线性代数回顾

1引言（Introduction）1.1欢迎（Welcome）1.2机器学习是什么（Whatismachinelearning?）ArthurSamuel(1959)：机器学习是在没有进行特定编程的情况下，给予计算机学习能力的领域。TomMitchell(1998)：一个好的学习问题定义如下，一个程序被认为能从经验E中学习，解决任务T，达到性能度量值P，当且仅当有了经验E后，经过P评判，程序在处理
贪钱算法还我头发·2022-11-20 23:01

李宏毅机器学习Lesson2——Logistic Regression实现收入预测

李宏毅机器学习Lesson2——LogisticRegression实现收入预测数据集介绍加载数据集、标准化定义相关函数交叉验证训练模型（小小地实现了一下损失函数惩罚项中系数的选择）此处也用到了黄海广博士在吴恩达机器学习笔记中的代码
hifive(2020?)·2022-11-20 22:33

吴恩达ML WEEK6 练习三（神经网络）+神经网络学习

吴恩达机器学习第六周0总结1练习三：神经网络1.1前向传播和预测2神经网络学习2.1代价函数2.2反向传播算法2.3理解反向传播2.4展开参数（将矩阵展开成向量）2.5梯度检验2.6随机初始化2.7综合
没有bug的一天·2022-11-20 06:48

吴恩达ML WEEK7 机器学习

吴恩达机器学习第七周0总结1应用机器学习的建议1.1决定下一步做什么1.2评估一个假设1.3模型选择和交叉验证集1.4诊断偏差（bais）和方差（variance）1.5正则化和偏差/方差1.6学习曲线
没有bug的一天·2022-11-20 06:48

吴恩达ML WEEK8+9 练习四：神经网络+SVM+聚类

吴恩达机器学习第八周和第九周0总结1练习四：神经网络1.1神经网络1.1.1数据可视化1.1.2模型表述1.1.3前向和代价函数1.1.4代价函数正则化1.2反向传播1.2.1sigmoid函数的梯度1.2.2
没有bug的一天·2022-11-20 06:48

吴恩达ML WEEK5 练习二（逻辑回归）+神经网络表示+练习三（多分类）

吴恩达机器学习第五周0总结1练习二：逻辑回归1.1逻辑回归1.1.1可视化数据1.1.2sigmoid函数1.1.3代价函数和梯度1.1.3fmin_bfgs优化函数1.1.4评估逻辑回归1.2正则化的逻辑回归
没有bug的一天·2022-11-20 06:47

吴恩达ML WEEK3 练习一代码（线性回归）

吴恩达机器学习第三周0总结1简单MATLAB函数1.2warmUpExercise.m2单变量线性回归2.1绘制2.2梯度下降2.2.1更新公式2.2.2实施2.2.3完成代价函数的计算2.2.4梯度下降
没有bug的一天·2022-11-20 06:17

吴恩达ML WEEK4 逻辑回归+正则化

吴恩达机器学习第四周0总结1逻辑回归（LogisticRegression）1.1分类问题1.2假说hθ(x)h_\theta(x)hθ(x)的表示1.3决策边界（decisionboundary）1.4
没有bug的一天·2022-11-20 06:17

吴恩达机器学习课程笔记

卡内基梅隆大学的TomMitchell提出一种机器学习的定义：一个程序被认为能从经验E中学习，解决任务T，达到性能度量值P，当且仅当，有了经验E后，经过P评判，程序在处理T时的性能有所提升。根据Tom定义的机器学习定义：P(performancemeasure)是性能度量,T(task)是任务,E(experience)是经验。记住ETP。机器学习最常使用：监督学习，无监督学习监督学习：监督学习是
wjw今天努力了吗·2022-11-20 04:34

吴恩达机器学习课程笔记一

吴恩达机器学习课程笔记前言监督学习---`Supervisedlearning`无监督学习---`Unsupervisedlearning`聚类异常检测降维增强学习---`Reinforcementlearning
Chen的博客·2022-11-20 04:30

吴恩达机器学习系列课程笔记

视频资源获取：https://www.bilibili.com/video/BV164411b7dx?p=1有监督学习：给算法包含正确答案的数据集，算法的任务就是根据数据集给出更多的正确答案。回归问题（Regression）：预测一个连续的输出值，预测出连续值属性的类型。在回归问题中，我们试图在连续输出中预测结果，这意味着我们试图将输入变量映射到某个连续函数。分类问题（Classification
chen_nnn·2022-11-20 04:15

吴恩达机器学习课程笔记二

文章目录神经网络基础知识神经网络前向传播伪代码前向传播中单个神经元的作用矩阵加速运算训练模型的细节常用激活函数ReLUSigmoidLinearactivationfunctiontanh选择激活函数选择`输出层`的激活函数选择`隐藏层`的激活函数为什么需要非线性激活函数Softmax激活函数多标签分类问题梯度下降更好训练神经网络的方式-Adam神经网络基础知识neuron:神经元activati
Chen的博客·2022-11-20 04:07

Matlab吴恩达机器学习编程练习ex2：逻辑回归Logistic Regression

这篇文章是基于bilibili的吴恩达机器学习经典名课【中英字幕】所写的第三周的编程练习，这个作业是关于逻辑回归的。
Zhanghp947·2022-11-20 03:02

吴恩达机器学习逻辑回归章节作业二：利用正则化逻辑回归模型预测来自制造工厂的微芯片是否通过质量保证（python实现）

吴恩达机器学习作业二：利用正则化逻辑回归模型预测来自制造工厂的微芯片是否通过质量保证（python实现）该文是针对吴恩达机器学习逻辑回归章节作业任务二，利用正则化逻辑回归模型预测来自制造工厂的微芯片是否通过质量保证
墨玲珑·2022-11-20 03:01

吴恩达机器学习(五)逻辑回归练习-二分类练习

1、基础内容（1）公式总结:（2）内容回归:逻辑回归主要是进行二分类和多分类。二分类中，分为线性可分和线性不可分。对于线性回归模型，我们定义的代价函数是所有模型误差的平方和。理论上来说，我们也可以对逻辑回归模型沿用这个定义，但是问题在于，当我们将hθ(x){h_\theta}(x)hθ(x)带入到这样定义了的代价函数中时，我们得到的代价函数将是一个非凸函数（non-convexfunction）。
undo_try·2022-11-20 03:48

2.吴恩达机器学习--逻辑回归

1.线性可分根据学生的两门学生成绩，预测该学生是否会被大学录取。数据集ex2data1.txt中包含了两门课的成绩以及是否被大学录取，0代表未录取，1代表录取。1.导入库，加载数据集importmatplotlib.pyplotaspltimportnumpyasnpimportpandasaspddata=pd.read_csv('../data/ex2data1.txt',names=['Ex
NLP菜鸟·2022-11-20 03:48

吴恩达机器学习之逻辑回归(二分类)

吴恩达机器学习之逻辑回归逻辑回归二分类逻辑回归二分类逻辑回归案例python代码实现（含详细代码注释）:案例中几个问题的解析不同于线性回归，逻辑回归的hθ(x)还需要用sigmoid函数处理，这是为什么
请多努力·2022-11-20 03:42

吴恩达机器学习作业2：逻辑回归（Python实现）

逻辑回归在训练的初始阶段，将要构建一个逻辑回归模型来预测，某个学生是否被大学录取。设想你是大学相关部分的管理者，想通过申请学生两次测试的评分，来决定他们是否被录取。现在你拥有之前申请学生的可以用于训练逻辑回归的训练样本集。对于每一个训练样本，你有他们两次测试的评分和最后是被录取的结果。为了完成这个预测任务，我们准备构建一个可以基于两次测试评分来评估录取可能性的分类模型。#导入需要的库importn
Phoenix_ZengHao·2022-11-20 03:59

第02周:吴恩达机器学习课后编程题ex2逻辑回归——Python

1逻辑回归在这部分练习中，您将建立一个逻辑回归模型以预测学生是否被大学录取。假设你是一个大学部门的管理员，并且你想根据他们两次考试的成绩的情况来确定每个申请人的录取机会。您有以前申请人的历史数据您可以将其用作逻辑回归的训练集。每次训练例如，您有申请人在两次考试中的成绩和录取决定。你的任务是建立一个分类模型来估计申请人的录取概率基于这两个考试的分数。1.1可视化数据其中轴是两个考试成绩，正类和负类用
MANDYBOOM·2022-11-20 03:58

吴恩达机器学习作业——逻辑回归

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。假设你是一所大学的行政管理人员，你想根据两门考试的结果，来决定每个申请人是否被录取。你有以前申请人的历史数据，可以将其用作逻辑回归训练集。对于每一个训练样本，你有申请人两次测评的分数以及录取的结果。为了完成这个预测任务，我们准备构建一个可以基于两次测试评分来评估录取可能性的分类模型。1.1
ManiacLook·2022-11-20 03:58

吴恩达机器学习神经网络 8-1非线性假设

Non-linearhypotheses非线性假设神经网络实际上是一个相对古老的算法，但是后来沉寂了一段时间，不过现在，它又成为许多机器学习问题的首选技术。为什么要研究神经网络？这是一个监督学习分类的例子，如果用logistic回归来解决这个问题，可以构造一个包含很多非线性项的Logistics回归函数。当只有两个特征，比如X1、X2时，这种方法确实能得到不错的结果，因为你可以把X1和X2的所有组
妳貞可愛·2022-11-20 02:43
上一页 10 11 12 13 14 15 16 17 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他