吴恩达机器学习课程整理

吴恩达机器学习（十一）——系统设计

一、构建垃圾邮件分类器举一个垃圾邮件分类的例子：假如你想建立一个垃圾邮件分类器，假设我们已经有一些加过标签的训练集。包括标注的垃圾邮件表示为y=1和非垃圾邮件表示为y=0。我们如何以监督学习的方法来构造一个分类器来区分垃圾邮件和非垃圾邮件呢？为了应用监督学习，我们首先必须确定的是如何用邮件的特征，构造向量x给出训练集中的特征x和标签y，我们就能够训练出某种分类器，比如用逻辑回归的方法。这里有一种选
大鹏小站·2020-07-04 21:50

吴恩达机器学习笔记 | Chapter 1 绪论：初识机器学习

MachineLearning|Chapter1绪论：初识机器学习Lesson1什么是机器学习提供了机器学习的两个定义。亚瑟·塞缪尔将其描述为：“研究领域使计算机无需明确编程即可学习。”这是一个较旧的非正式定义。TomMitchell提供了一个更现代的定义：“说计算机程序从经验E中学习某些任务T和绩效测量P，如果它在T中的任务中的表现，由P测量，随经验E而提高。“示例：玩跳棋。E=玩许多跳棋游戏的
林璀·学术狂人·2020-07-04 16:47

吴恩达机器学习作业（五）：支持向量机

目录1）数据预处理2）Scikit-learn支持向量机3）决策边界比较4）非线性SVM5）最优超参数6）垃圾邮件过滤器在本练习中，我们将使用支持向量机（SVM）来构建垃圾邮件分类器。我们将从一些简单的2D数据集开始使用SVM来查看它们的工作原理。然后，我们将对一组原始电子邮件进行一些预处理工作，并使用SVM在处理的电子邮件上构建分类器，以确定它们是否为垃圾邮件。我们要做的第一件事是看一个简单的二
10点43·2020-07-04 12:39

实现自我价值的2017年，我来了

而后又陆续参加了俱乐部在赤兔平台的习惯管理课程、在幸福QQ群的打倒纸老虎、在橙子学院的习惯养成分享，陆续将这些课程整理出来，一是形成自己的知识库，再则分享给好友，真是工作之余的一大乐趣。
Ares1981·2020-07-04 03:47

北大“人工智能前沿与产业趋势”课程整理01

第五讲：小米黄江吉-人工智能硬件的发展第六讲：碳云王俊-DNA是生命数字化的过程，AI改变生命科学第七讲：百度徐伟-AGI2050年前实现可能性超50%第八讲：华为李航-自然语言处理的现象与挑战第九讲：滴滴叶杰平-深度学习在交通领域应用潜力巨大第五讲：小米黄江吉-人工智能硬件的发展人工智能三大前提：产品+大数据+机器学习；以小米为例，从手机、电商、家庭路由器、电视云平台、互娱市场、生态链都不断产生
tingzhushaohua·2020-07-04 02:55

吴恩达机器学习笔记-神经网络

本文将会介绍一种叫“神经网络”(NeuralNetwork)的机器学习算法。非线性假设我们之前已经学习过线性回归和逻辑回归算法了，为什么还要研究神经网络？我们先看一个例子。下面是一个监督学习分类问题的训练集：如果利用逻辑回归算法来解决这个问题，首先需要构造一个包含很多非线性项的逻辑回归函数。如下所示：这里g仍是sigmod函数，我们能让函数，包含很多像这样的多项式项。事实上，当多项式项数足够多时，
Carey_Wu·2020-07-04 00:48

Coursera吴恩达机器学习课程 总结笔记及作业代码——第3周逻辑回归

LogisticRegression上一次的课程主要解决回归分析问题，这一次的课程主要为分类问题，分类问题也可看做将回归问题的连续性离散化。1.1Classification先来谈谈二分类问题。课程中先给出了几个例子。邮件是垃圾邮件还是非垃圾邮件；网上交易是的欺骗性（YorN）；肿瘤是恶性的还是良性的。对于这些问题，我们可以通过输出值yϵ{0,1}来表示。通过上次的课程，我们可以想到利用假设函数y
启人zhr·2020-07-02 17:18

吴恩达机器学习第二周学习笔记及编程作业答案

吴恩达机器学习第二周学习笔记及编程作业答案一、理论基础1、机器学习定义：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时的性能有所提升机器学习都可以分为两大类
欢欢吖·2020-07-02 13:00

吴恩达机器学习知识点和英语词汇总结

文章目录一、英语词汇二、章节要点2-5梯度下降4-6正规方程8-6样本和直观理解二9-2反向传播算法一、英语词汇2-5a:=b---->assignment赋值将b的值赋值给aa=btruthassertion真假判断derivativeterm导数项α：learningrate学习率gradientdescent:梯度下降------>simultaneousupdate:同步更新partial
miracleo_·2020-07-02 12:51

【机器学习】吴恩达机器学习视频作业-逻辑回归二分类 II

二分类类型2本文件的程序是基于吴恩达机器学习视频逻辑回归的作业，使用正则化的逻辑回归，使用的数据是ex2data2.txt。数据背景是：预测来自制造工厂的微芯片是否通过质量保证(QA)。
菊子皮·2020-07-02 12:16

吴恩达机器学习课后作业深度解析（附答案）（ex2）

作业ex2题目及答案源码下载地址ex2题目及答案一、逻辑回归问题背景，根据学生两门课的成绩和是否入学的数据，预测学生能否顺利入学plotData.m：数据可视化%FindIndicesofPositiveandNegativeExamplespos=find(y==1);neg=find(y==0);%PlotExamplesplot(X(pos,1),X(pos,2),'k+','LineWid
布衣书生real·2020-07-02 11:03

吴恩达机器学习-课后习题

原题参考链接https://www.kesci.com/home/project/5e0f01282823a10036b280a7第1题一个计算机程序从经验E中学习任务T，并用P来衡量表现。并且，T的表现P随着经验E的增加而提高。假设我们给一个学习算法输入了很多历史天气的数据，让它学会预测天气。什么是P的合理选择？CA.计算大量历史气象数据的过程B.以上都不C.正确预测未来日期天气的概率D.天气预
爱淋雨的男人·2020-07-02 07:57

吴恩达机器学习（十）

大规模机器学习第一百四十课：大规模机器学习处理大数据集的算法近年来机器学习技术的发展归因于我们有极其庞大的数据用来训练我们的算法。处理如此海量数据的算法？我们为什么要用大的训练集呢？我们已经知道一种获取高性能的机器学习系统的途径是采用低偏差的学习算法，并用大数据进行训练。即决定效果好坏的往往不是算法的好坏，而是谁的训练数据多。如果你想使用大数据进行训练，至少要能获得大数据集。大数据学习的问题：计算
带刺的小花_ea97·2020-07-02 04:58

吴恩达机器学习笔记_第五周

神经网络——模型学习CostFunction:从逻辑回归推广过来计算最小值，无论用什么方法，都需要计算代价和偏导。网络结构的前向传播和可向量化的特点：BP算法：总结：计算代价函数及偏导进一步理解FPBP：梯度检验:避免BP发生的小错误确保自己的确在计算代价函数的偏导数,对于向量形式,可以这么检验:检验无误后要记得关掉检验功能,否则速度会慢.记得!!数值方法计算梯度比BP算法慢.随机初始化权值:都初
hunterlew·2020-07-02 03:02

吴恩达机器学习-第1周：监督学习与无监督学习

自学的教程吴恩达机器学习视频课程：https://study.163.com/course/courseMain.htm?
funiu666·2020-07-02 00:51

下载量过百万的吴恩达机器学习和深度学习笔记更新了！（附PDF下载）

今天，我把吴恩达机器学习和深度学习课程笔记都更新了，并提供下载，这两本笔记非常适合机器学习和深度学习入门。
风度78·2020-07-01 23:09

机器学习入门笔记系列 | 西瓜书笔记（一）

看了很多前辈大神的推荐，从西瓜书（周志华老师《机器学习》）或者Coursera吴恩达机器学习视频入门比较好。我比较喜欢书籍，因为做起笔记比较方便。
chixu4685·2020-07-01 20:18

《机器学习实战》学习笔记第八章 —— 线性回归、L1、L2范数正则项

相关笔记：吴恩达机器学习笔记（一）——线性回归吴恩达机器学习笔记（三）——Regularization正则化（问题遗留：小可只知道引入正则项能降低参数的取值，但为什么能保证Σθ21，曲线的斜率很大，这就能加快梯度下降收敛的速度
alince20008·2020-07-01 16:26

吴恩达机器学习 学习笔记 之 六 Logistic Regression —— 逻辑回归

6.1Classification——分类下面是分类问题的一些例子：判断一封电子邮件是否是垃圾邮件；判断一次金融交易是否是欺诈；判断一个肿瘤是恶性的还是良性的。在所有这些问题中，我们需要预测的是一个变量y。我们将因变量(dependentvariable)可能属于的两个类分别称为负类（negativeclass）和正类（positiveclass），则因变量y∈{0,1}，其中0表示负类，1表示正
张之海·2020-07-01 15:16

吴恩达机器学习第一次作业：线性回归

0.综述给出房价与房屋面积的关系，利用梯度下降的方法进行数据拟合，并对给定的房屋面积做出对房价的预测。1.warmUpExercise输出5*5的单位矩阵functionA=warmUpExercise()%WARMUPEXERCISEExamplefunctioninoctave%A=WARMUPEXERCISE()isanexamplefunctionthatreturnsthe5x5iden
GaoJieVery6·2020-07-01 14:22

吴恩达机器学习第二周测试及编程练习

代码：https://github.com/LiuZhe6/AndrewNGMachineLearning文章目录测验一：LinearRegressionwithMultipleVariables第一题第二题第三题第四题第五题测验二：Octave/MatlabTutorial第一题第二题第三题第四题第五题编程作业:LinearRegression作业1:计算CostFunction作业2:梯度下降
一叶知秋Autumn·2020-07-01 13:26

吴恩达机器学习个人笔记(七)-聚类

聚类属于无监督学习。在之前的学习中，都是监督学习。监督学习与无监督学习的最大区别为训练数据集的特点，在监督学习中，训练集是有标签的，我们根据这些有标签的数据，训练出模型，输出相应的值。而在无监督学习中，我们的数据集没有标签，我们需要使用机器学习算法寻找出数据集中的内在结构。无监督学习的数据集如下所示训练的数据集可以写成只有一直到,没有任何的标签。上图中的数据可以看作两个分开的点集(称为簇)，能找出
XiaoQQin1·2020-07-01 10:23

吴恩达机器学习第二次编程作业答案+解析

第二次作业答案与解析文章目录第二次作业答案与解析1LogisticRegression1.1Visualizingthedata(plotData.m)1.2Implementation1.2.1sigmoidfunction(sigmoid.m)1.2.2Costfunctionandgradient(costFunction.m)1.2.3Learningparametersusingfmin
Clauria·2020-07-01 08:31

吴恩达机器学习（Machine Learning）课程总结笔记---Week8

文章目录0概述1.课程大纲2.课程内容2.1聚类2.1.1聚类算法简介2.1.2K-Means2.1.3K-Means目标函数2.1.4随机初始化2.1.5K值选择2.2维数约简2.2.1为什么要降维2.2.2PCA方法2.2.3PCA和线性回归的区别2.2.4算法流程2.2.5K的选择(1)尝试法(2)利用奇异值计算2.2.6特征还原2.2.7应用场景3.课后编程作业4.总结0概述  我们知道机
csdn_SUSAN·2020-07-01 08:45

吴恩达机器学习（四）逻辑回归（二分类与多分类）

目录0.前言1.假设函数（Hypothesis）2.决策边界（DecisionBoundary）3.代价函数（CostFunciton）4.梯度下降（GradientDescent）5.逻辑回归实现多分类6.其他求解参数的方法学习完吴恩达老师机器学习课程的逻辑回归，简单的做个笔记。文中部分描述属于个人消化后的理解，仅供参考。如果这篇文章对你有一点小小的帮助，请给个关注喔~我会非常开心的~0.前言逻
zhq9695·2020-07-01 07:02

吴恩达机器学习课程笔记——第一周

1.单变量线性回归(LinearRegressionwithOneVariable)1.1模型表示像上述公式，因为只含有一个特征/输入变量，因此这样的问题叫作单变量线性回归问题。例子如下：单变量线性方程，就是我们初中就学的一元一次函数。当然啦，除了这个模型之外，我们还有很多其他的线性模型，比如指数模型、对数模型等等，除了线性模型之外，还有非线性模型，有这么多的模型，其目的就是在于更好的拟合训练集的
这就是一头猪·2020-07-01 05:08

吴恩达机器学习笔记_第三周

LogisticRegression逻辑回归（分类）：0:NegativeClass1:PositiveClass二元分类问题讲起，虽然有回归二字，其实为分类算法，处理离散y值。输出以以条件概率表示，若P(y=1|x;theta)=0.7，表示有70%的概率y=1.那么有30%的概率y=0决策边界(DecisionBoundary)：当z=0，即thetaT*X的值等于零时，此时假设函数为0.5。
hunterlew·2020-07-01 02:35

（第1篇）什么是hadoop大数据？我又为什么要写这篇文章？

我写这个博客目的就是为了帮助新人快速进入大数据行业，市面上有很多类似的书籍都是重理论少实践，特别缺少一线企业实践经验的传授，而这个课程会让您少走弯路、快速入门和实践，让您再最短时间内达到一个一线企业大数据工程师的能力标准，因为在课程整理和实践
chitan2235·2020-07-01 02:00

吴恩达机器学习第五次作业（python 实现）：偏差与方差

偏差与方差数据在这先放上整体代码，后面对于具体函数有相应解释importnumpyasnpimportmatplotlib.pyplotaspltimporttimefromscipy.ioimportloadmatimportscipy.optimizeasoptdefloadfile(path):data=loadmat(path)returndatadefdraw_data(x,y):plt
浅唱、·2020-06-30 20:22

吴恩达机器学习第一次作业（python实现）：线性回归

数据放这里：单特征importmatplotlib.pyplotaspltimportnumpyasnpimportpandasaspd#读取原始数据defraw_data(path):data=pd.read_csv(path,names=['population','profit'])returndata#画原始数据defdraw_data(data):x=data['population']
浅唱、·2020-06-30 20:22

【吴恩达机器学习】第一章 绪论：初识机器学习

本来觉得第一章没什么好总结的，总了coursera上第一章的测验题后，我觉得有几个知识点有必要整理一下。机器学习的定义ArthurSamuel将机器学习定义为：在没有被明确设置的情况下，使计算机具有学习能力的研究领域。（这也是测验题第五题的答案）TomMitchell将机器学习定义为：计算机程序从经验（Experience）E中学习，解决某一任务（task）T，进行某一性能度量（performan
zxfhahaha·2020-06-30 20:39

如何在 Apache Flink 中使用 Python API？

本文根据ApacheFlink系列直播课程整理而成，由ApacheFlinkPMC，阿里巴巴高级技术专家孙金城分享。作者：孙金城（金竹
大数据v·2020-06-30 19:10

吴恩达机器学习课程笔记——第一周

1.单变量线性回归(LinearRegressionwithOneVariable)1.1模型表示单变量线性回归像上述公式，因为只含有一个特征/输入变量，因此这样的问题叫作单变量线性回归问题。例子如下：回归函数图示单变量线性方程，就是我们初中就学的一元一次函数。当然啦，除了这个模型之外，我们还有很多其他的线性模型，比如指数模型、对数模型等等，除了线性模型之外，还有非线性模型，有这么多的模型，其目的
lan_ha·2020-06-30 18:36

吴恩达机器学习课程笔记+代码实现(6)Python实现多变量线性回归、梯度下降和正规方程(Programming Exercise 1.2)

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：i7co2多变量线性回归(Linearregressionwithmultiplevariable)本章课程笔记部分见：4.多变量线性回归、梯度下
geekxiaoz·2020-06-30 17:15

吴恩达机器学习课程笔记+代码实现(9)Python实现逻辑回归和正则化(Programming Exercise 2)

ProgrammingExercise2:LogisticRegressionPython版本3.6编译环境：anacondaJupyterNotebook链接：ex2data1.txt、ex2data2.txt和编程作业ex2.pdf（实验指导书）提取码：i7co本章课程笔记部分见：逻辑回归正则化在这一次练习中，我们将要实现逻辑回归并且应用到一个分类任务。我们还将通过将正则化加入训练算法，来提高
geekxiaoz·2020-06-30 17:15

吴恩达机器学习课程笔记+代码实现(20)13.聚类(Clustering)

13.聚类(Clustering)文章目录13.聚类(Clustering)13.1无监督学习：简介13.2K-均值算法13.3优化目标13.4随机初始化13.5选择聚类数本章编程作业及代码实现部分见:Python实现聚类(ProgrammingExercise7.1)13.1无监督学习：简介在这个笔记中，将开始介绍聚类算法。那么，什么是非监督学习呢？在课程的一开始，我曾简单的介绍过非监督学习，然
geekxiaoz·2020-06-30 17:15

吴恩达机器学习课程笔记+代码实现(5)多变量线性回归、梯度下降和正规方程

4.多变量线性回归、梯度下降和正规方程(LinearRegressionwithMultipleVariable,GradientDescentandNormalEquation)文章目录4.多变量线性回归、梯度下降和正规方程(LinearRegressionwithMultipleVariable,GradientDescentandNormalEquation)4.1多维特征4.2多变量梯度下
geekxiaoz·2020-06-30 17:15

《吴恩达机器学习》第一章笔记

这里第一章-绪论：初识机器学习机器学习的应用机器学习定义、类型课程的目标监督学习1、回归2、分类无监督学习分析机器学习的应用我们可以利用计算机实现基础的功能：例如计算A到B的最短路径但是网页搜索、垃圾邮件的过滤、图片识别等功能需要应用机器学习的技术，总体来说分成五个方面1、数据挖掘，例如分析用户的点击量来分析用户习惯，医疗记录=>医疗知识2、对于某些无法直接编写代码的场景，例如手写识别3、NLP自
喵小姐的邻居小小朱·2020-06-30 17:38

吴恩达机器学习（九）Precision、Recall、F-score、TPR、FPR、TNR、FNR、AUC、Accuracy

目录0.前言1.Precision、Recall、F-score（F-measure）2.TPR、FPR、TNR、FNR、AUC3.Accuracy学习完吴恩达老师机器学习课程的机器学习系统设计，简单的做个笔记。文中部分描述属于个人消化后的理解，仅供参考。如果这篇文章对你有一点小小的帮助，请给个关注喔~我会非常开心的~0.前言针对二分类的结果，对模型进行评估，通常有以下几种方法：Precision
zhq9695·2020-06-30 17:35

吴恩达机器学习（三）正规方程（求解线性回归参数）

目录0.前言1.正规方程（NormalEquation）2.不可逆矩阵的情况3.与梯度下降的比较学习完吴恩达老师机器学习课程的多变量线性回归，简单的做个笔记。文中部分描述属于个人消化后的理解，仅供参考。如果这篇文章对你有一点小小的帮助，请给个关注喔~我会非常开心的~0.前言在线性回归中，通常采用梯度下降，不断迭代来降低代价函数，求解最佳的参数。但大量的迭代，遍历数据集，消耗的时间较大，可通过正规方
zhq9695·2020-06-30 17:04

吴恩达机器学习第一周测试

吴恩达机器学习第一周测试Someoftheproblemsbelowarebestaddressedusingasupervisedlearningalgorithm,andtheotherswithanunsupervisedlearningalgorithm.Whichofthefollowingwouldyouapplysupervisedlearningto
zhangyiwu151515·2020-06-30 14:11

吴恩达机器学习线性回归练习题：多变量线性回归（python实现）

练习题背景：网易云课堂->吴恩达机器学习课程->线性回归练习题->多变量线性回归对于练习题的详细内容，和课程中推荐的octave编程实现，请见：吴恩达机器学习线性回归练习题：多变量线性回归（octave
爱小白兔的大懒熊·2020-06-30 09:05

吴恩达机器学习编程作业python实现--ex1

很容易漏掉一些信息，故而用python实现一下：前半部分：#-*-coding:utf-8-*-"""CreatedonWedMar2115:26:472018@author:john"""''''说明：本文档根据吴恩达机器学习课后作业改编而成
yinfang1252·2020-06-30 07:58

吴恩达机器学习笔记

线性回归方程为了解决实际生活中的问题，我们通常需要一个数学模型。比如，小明有一个房子（他想卖掉房子），为了知道房子的价格，小明收集了该地区近两年的房屋交易价格，他发现房屋价格与房屋大小呈正相关，所以他画了了一幅图小明的房屋大小用红色的×代替。可见和小明房屋一样大小的房子并不存在，而类似的房屋价格又有很大差别，如此小明决定用一个数学函数来呈现该地区不同房屋大小的价格趋势。这就是拟合。小明决定选择一次
yhy1315·2020-06-30 07:25

吴恩达机器学习第一周编程题参考答案

AndrewNg机器学习第一周编程题参考答案https://download.csdn.net/download/yhf2333/10684934语言：OctaveTips：一维梯度下降：1.gradientDescent函数中，更新theta要同步，（原因Andrew已经在视频中提及了）2.theta的元素与X的元素应当对应，不能生搬硬套以下公式，甚至直接将theta和X粗暴地以矩阵地形式套进去
ValenciaZada·2020-06-30 07:03

真·干货！这套深度学习教程整理走红，从理论到实践的带你系统学习 | 资源...

近日，这套名为HyperDL-Tutorial的课程整理在网上走红，科技博主@爱可可-爱生活分享一天，引来上百名网友转发，还被不少网友私藏。课程介绍这
量子位·2020-06-30 05:32

吴恩达机器学习——编程语言Matlab基本操作

Choosewhichlanguagetolearnandwhy?选择什么语言去学习？为什么？首先推荐Octave，简单方便，并且开源免费。Matlab也非常的优秀，但是它并不是每个人都买得起的（手动滑稽），如果你能够使用它，那么建议使用matlab。Python、numpy、R语言，也有很多人选择，但开发较慢。matlab学习注释：百分号后面的内容都是被注释的内容注释掉百分号后面（同一行）的内容
xclhs·2020-06-30 04:49

吴恩达机器学习视频笔记——梯度下降简化技巧

房价预测多个因素作用下，即θ有多个的情况下，如何得到假设函数。第二行的训练样本，用矩阵进行表示如下：同样，假设函数在4个变量的情况下，其表示方法为：有n个因素作用的情况下（即默认X0=1）：如上所示，多输入变量的假设函数可以由两个矩阵相乘表示，一个矩阵表示变量，另外一个矩阵表示假设函数的系数表达式基本不变，但为了区别输入变量，即x是一个还是多个，我们规定x的上坐标表示第几个变量，下坐标为1时代表计
xclhs·2020-06-30 04:49

吴恩达机器学习课程笔记02——处理房价预测问题（梯度下降算法详解）

建议记住的实用符号符号含义m样本数目x输入变量y输出变量/目标变量（x,y）训练样本（x^(i),y^(i)）第i个训练样本h假设的函数(h(x)=y)H函数：hθ(x)=θ0+θ1*x(h(x))【单变量线性回归模型】备注：常用希腊字母Αα：阿尔法AlphaΒβ：贝塔BetaΓγ：伽玛GammaΔδ：德尔塔DelteΕε：艾普西龙EpsilonΖζ：捷塔ZetaΕη：依塔EtaΘθ：西塔Thet
xclhs·2020-06-30 04:48

吴恩达机器学习课程作业——ML_ex1

第一次用Octave,语法和Matlab一样，熟悉一下即可，主要是对线性回归的整体思路要清晰，对Octave中每个函数一个单独文件的方式理解，跟着“ex1”中的提示就能一步一步的写出核心代码，巩固课程内容。ex1思路清晰，很简单，用来熟悉整个Octave语法和梯度下降的原理：下面记录代码第一个：需要实现的是ComputeCost.mfunctionJ=computeCost(X,y,theta)%
啊吼！·2020-06-30 04:11
上一页 24 25 26 27 28 29 30 31 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他