吴恩达机器学习课程整理

吴恩达机器学习-编程练习-ex6.1

本节练习是为了应用SVM算法，并灵活运用C和gamma参数首先load数据集并plot#----------------------------part1---------------------------##读取数据1，并将数据整理成可识别的格式path='C:\\Users\Huanuo\PycharmProjects\ml\ex6_svm\ex6\ex6data1.mat'm=loadma
onesmile5137·2019-07-29 16:15

吴恩达机器学习-笔记-支持向量机

SVM是继logistic回归之后，andrewNG老师讲的又一个分类算法。其实吧，听下来，结合之前的课程，大致有了这样一个感觉。所谓算法，大同小异，都由如下几个部分构成：基本模型：这个一般都很简单直接，比如SVM，在二维数据集上理解，其实就是最大间距分类器，这条线上和每一点的距离最远。SVM这里，其实就是在在高阶多项式的基础上，构建了一个新的函数，就是相似度函数，又叫核函数。然后，用核函数来定义
onesmile5137·2019-07-26 17:54

不击穿这个点，你99%的努力都白费

——李善友（本文由创新学院课程整理而成，内容仅为1/10，后台回复关键词【单一要素】免费学习完整课程）分享人|李善友混沌大学创办人一个经济体，要想基业长青，你必须的依存条件是越多越好还是越少越好？
混沌大学·2019-07-25 00:00

-大数据入门-2-Hadoop-课程整理

1.MapReducemap映射行数不变reduce规约行数变化示例如MySQL中运用groupby分组函数2.版本hadoop1.x需部署进程JobTrackTaskTrackhadoop2.x不需要部署，提交到yarn平台，进行资源、作业调度。3.概念作业jobapplication应用容器：ContainerYarn的组件，虚拟的概念，作任务计算的，将一定的内存CPU：比如1G1vcore资
吾..二..二·2019-07-19 16:40

一次收获满满的心灵之旅

第一次在培训之后主动地写培训心得，第一次回到家就坐下来回顾所学课程整理学习笔记，第一次一口气买了20本与生涯教育相关的书籍，第一次主动与主讲老师交流互留微信并加入全国学习讨论群。似乎有一束光在指引着
猫怀里的鱼·2019-07-11 04:21

吴恩达机器学习 梯度下降Gradient Descent以多元线性回归为例

LinearRegressionwithMultipleVariables将一元推广至多元，θ为多元函数各因子前的系数。J为消费函数；实践中梯度下降的指南1.特征值规范化2.LearningRateα梯度下降解决回归问题的优势
TigerrrRose·2019-07-09 12:43

吴恩达机器学习（Machine Learning）课程总结笔记---Week9

文章目录0概述1.课程大纲2.课程内容2.1异常检测2.1.1什么是异常检测2.1.2高斯分布2.1.3高斯分布算法2.1.4评估系统2.1.5异常检测和监督学习对比2.1.6特征选择2.1.7多元高斯分布2.1.7.1多元高斯分布模型2.1.7.2多元高斯分布的变化2.1.7.2.1改变$\Sigma$2.1.7.2.1改变$\mu$2.1.7.3算法流程2.1.7.4多元高斯分布模型与一般高斯
csdn_SUSAN·2019-07-08 18:05

吴恩达机器学习K-Mean算法和PCA算法的MATLAB实现（对应ex7练习）

K-mean算法前言：K-mean算法的思想和实现都不难，整个算法主要分为两步：1、找到与每个样本距离最近的质心，将样本与最近的质心关联起来；2、根据每个质心的关联样本，重新计算质心的位置。下面是吴恩达课件里的说明，说的十分清晰。在实现K-mean算法的过程中，质心的初始位置一般是随机选取样本点作为质心。例如需要将样本分为K类，那么从样本中随机选取K个样本作为初始化质心即可。样本的初始位置选取与最
非常满意·2019-07-06 21:05

吴恩达机器学习作业python实现（ex7，kmean，PCA）

1、简单kmeanimportnumpyasnpimportmatplotlib.pyplotaspltfromscipy.ioimportloadmatfromex71_findimportfindClosestCentroidsfromex71_computeimportcomputeClosestCentroidsdata=loadmat('ex7data2.mat')X=data['X']
无限未来16·2019-07-06 11:16

吴恩达机器学习支持向量机的MATLAB实现（对应ex6练习）

前言：本章作业有两个实现，一个是分类问题，有点类似于之前做过的分类，但是不同在这里是使用SVM实现。对于SVM的思想配套视频已经讲的比较清楚了，在练习中也是直接给出了关键代码，我们需要实现的只是部分。另一个是垃圾邮件的分类，也是使用SVM实现，这部分自己敲的内容很少。总之，本节很多关键代码吴恩达都直接给出，需要自己动手实现的都不难，重点是阅读这些核心代码。gaussianKernel.m这里先给出
泥河·2019-07-05 15:05

吴恩达机器学习-编程练习-ex2.2

1.实现sigmoidfunction在开始练习实际的代价函数之前，我们先回顾一下logistic的基本假设和Sigmoid函数：函数G即Sigmoid函数，这个Sigmoid函数的形式是：然后我们在python中实现一下这个算法，令这个算法对单值和矩阵都生效python中实现sigmoid函数：importnumpyasnpdefsigmoid(x):y=1/(1+np.exp(-x))retu
onesmile5137·2019-06-27 15:49

吴恩达机器学习笔记-神经网络参数的反向传播算法（七）

神经网络参数的反向传播算法在后面的内容中，主要会讲神经网络在分类问题中的应用代价函数在上面的神经网络中，存在有m个训练集；这里使用L来表示神经网络的层数，在上面的这个神经网络中间，L=4；最后使用S_L来表示在L层的单元数（即神经元个数，在这中间并不包含偏差单元），这里就能够知道S_4=S_L=4在分类问题中，可以分成两类：二元分类、多类别分类二元分类：最后的值只能为0或者1，输出单元只有一个（就
Escid·2019-06-24 09:25

吴恩达机器学习笔记-神经网络学习（六）

神经网络学习非线性假设在前面的课程中，我们了解到了使用逻辑回归的方法对数据进行二分类，在特征仅仅存在两个类别的时候，通常是一个不错的选择，但是现实情况下，对于分类的问题大多都是大于2个特征的，此时是否也是可以使用前面所讲的逻辑回归方法呢？例如：对于不同的房子，我们收集上来可能存在有100个特征，预测这些房子在未来的5年时间里被卖掉的概率对于上面这样的问题，如果我们使用逻辑回归的方式进行处理，首先将
Escid·2019-06-23 16:42

吴恩达机器学习笔记-正则化（五）

正则化过拟合问题这里我们举例说房价相关的问题，如下图所示对于房价的预测，我们知道房屋的面积在增大的同时，其房价本身是趋于平缓的，此时使用一个直线拟合这样一个房价的信息显然是不合理的，此时拟合出来的数据会造成欠拟合；同样，如果按照图三的内容进行构图，曲线尽可能的经过了每一个点，这样的情况则会造成过拟合对于一个函数，它应该具备能够应用到新数据上，如果是过拟合的状态下，这样的数据并不能很好的适应于新的数
Escid·2019-06-23 12:20

吴恩达机器学习作业TensorFlow实现（ex6，Mnist分类问题）

1、线性SVM，检查C对分界线的影响#-*-coding:utf-8-*-"""CreatedonFriJun2116:05:252019@author:无限未来"""importtensorflowastfimportnumpyasnpimportmatplotlib.pyplotaspltfromscipy.ioimportloadmatsvmC=1BATCH_SIZE=51data=load
无限未来16·2019-06-21 20:55

吴恩达机器学习笔记-多变量线性回归（三）

多变量线性回归多功能在前面的章节中间，我们了解到的就是仅仅一个变量影响一个结果的情况，但是现实情况下，一个结果可能是由多个不同的因素影响的，例如房屋的价格，并不仅仅与房屋的面积相关，还可能与其他的因素相关在上图中，我们能够看到影响的因素features的n=4，中间对于不同的数据存在不同的表达方式对于上面这样的情况，就不能简单的使用前面讲到的h方程进行计算了，如下所示可以发现，此时多了更多的the
Escid·2019-06-17 21:51

吴恩达机器学习笔记-线性代数回顾（二）

线性代数回顾矩阵矩阵是由数字组成的矩形阵列，写在方括号中对于上面的左右两个矩阵，我们能够将其分别写成4x2（4行2列）的矩阵和2x3（2行3列）的矩阵给定了一个矩阵之后，如果想要表示中间某一个具体的值，使用如下的方式进行表示向量向量是只有一列的矩阵上图通常我们也称其为4维的向量，同样如果想要获取这个向量中间不同的值，可以使用如下的方式加法对于矩阵的加法，需要注意只有相同矩阵才能进行相加，并且结果也
Escid·2019-06-17 21:18

吴恩达机器学习笔记-单变量线性回归（一）

单变量线性回归模型描述首先最开始，引入的就是单变量的线性回归，对于一组训练数据，我们希望通过一条直线能够将这些数据进行一个拟合如上，我们希望通过这条直线进行拟合我们给定一组训练集，进行一些数据的准备之后，形成一个假设函数h，之后通过这个函数就能够去预测一些新给定的值，对于这个函数就是上图右边的这个方程（表示的即为一条直线）代价函数上面我们仅仅是给定了一个直线方程的模型，如果想要得到一个确定的方程，
Escid·2019-06-17 20:47

吴恩达机器学习作业TensorFlow实现（ex3，Mnist分类问题）

1、使用逻辑回归解决Mnist分类#-*-coding:utf-8-*-"""CreatedonThuJun1318:13:082019@author:无限未来"""importtensorflowastfimportnumpyasnpimportscipy.ioasscioimportrandomimportmatplotlib.pyplotasplt#读取数据data_path='G:\Dee
无限未来16·2019-06-13 22:06

吴恩达机器学习课后作业Python实现：第一周：线性回归

单变量线性回归题目描述：在本部分的练习中，您将使用一个变量实现线性回归，以预测食品卡车的利润。假设你是一家餐馆的首席执行官，正在考虑不同的城市开设一个新的分店。该连锁店已经在各个城市拥有卡车，而且你有来自城市的利润和人口数据。您希望使用这些数据来帮助您选择将哪个城市扩展到下一个城市。数据集链接（数据在第一个文件内，需要自己查找）：ex1data.txt下面为读入数据和数据的展示importnump
Mr_Ivory·2019-06-11 17:04

吴恩达机器学习作业TensorFlow实现（ex2，逻辑回归）

1、逻辑回归tips:源数据需要进行归一化（我这里直接/100，因为原始数据范围为0-100）更换了优化方法，需要一定的训练次数，不然一定几率出现欠拟合#-*-coding:utf-8-*-"""CreatedonMonJun1020:04:032019@author:无限未来"""importtensorflowastfimportnumpyasnpimportmatplotlib.pyplot
无限未来16·2019-06-10 23:16

吴恩达机器学习作业TensorFlow实现（ex1，线性回归）

#-*-coding:utf-8-*-importtensorflowastfimportnumpyasnpimportmatplotlib.pyplotaspltplotdata={"batchsize":[],"loss":[]}defmoving_average(a,w=10):iflen(a)
无限未来16·2019-06-10 19:00

吴恩达机器学习----大规模机器学习

吴恩达机器学习教程学习笔记（15/16）吴恩达教授（AndrewNg）的机器学习可以说是一门非常重视ML理论基础的课程，做做一些简单的笔记加上个人的理解。
huapusi·2019-06-09 13:35

吴恩达机器学习----异常检测

吴恩达机器学习教程学习笔记（13/16）吴恩达教授（AndrewNg）的机器学习可以说是一门非常重视ML理论基础的课程，做做一些简单的笔记加上个人的理解。
huapusi·2019-06-06 12:45

吴恩达机器学习ex6：支持向量机

1、支持向量机（supportvectormachines,SVMs）本小节使用SVM处理二维数据。1.1、数据集1使用二维数据集，其中数据可视化图形上用“+“表示y=1，用“o”表示y=0。代码：>>load('ex6data1.mat');>>plotData(X,y);共有数据m=51个，每个数据有n=2个特征值。SVM中损失函数为：此处f表示为选择不同的核函数（kernel）对应的特征参数
梅文化_2019·2019-06-03 10:58

吴恩达机器学习第七周测试和编程作业

代码：https://github.com/LiuZhe6/AndrewNGMachineLearning文章目录测验：SupportVectorMachines第一题第二题第三题第四题第五题编程作业：SupportVectorMachines作业一：GaussianKernel作业二：Parameters(C,sigma)forDataset3作业三：EmailPreprocessing作业四：
一叶知秋Autumn·2019-05-28 20:18

吴恩达机器学习：偏差与方差、欠拟合与过拟合

在吴恩达机器学习课程的第86课时中，讲解了偏差和方差与欠拟合和过拟合的关系。1、偏差与方差的概念先看下网上关于偏差与方差的例子。该例子可以理解为射击打靶。
梅文化_2019·2019-05-28 16:34

吴恩达机器学习第六周测验及编程作业和选做题

代码：https://github.com/LiuZhe6/AndrewNGMachineLearning文章目录测验1:AdviceforApplyingMachineLearning第一题第二题第三题第四题第五题编程作业：RegularizedLinearRegressionandBias/Variance作业一：RegularizedLinearRegressionCostFunction作
一叶知秋Autumn·2019-05-24 10:19

吴恩达机器学习（Machine Learning）课程总结笔记---Week3

文章目录0概述1.课程大纲2.课程内容2.1逻辑回归假设模型的引入2.1.1分类问题2.1.2逻辑回归的假设表示2.1.3假设函数的决策边界2.2逻辑回归的求解2.2.1定义损失函数2.2.2简化损失函数并使用梯度下降求解2.2.3高级优化算法2.2.3.1高级优化算法的优缺点2.2.3.2使用高级优化算法（fminunc）2.3多分类问题2.3.1One-vs-all2.4正则化引入2.4.1欠
csdn_SUSAN·2019-05-21 08:43

吴恩达机器学习（Machine Learning）课程总结笔记---Week 2

文章目录0概述1.课程大纲2.课程内容2.1多元线性回归2.2多元线性回归的梯度下降2.3特征缩放2.4学习率2.5构造特征以及多项式回归2.6正规方程法2.6.1正规方程的推导2.6.2可逆性分析2.6.3梯度下降和正规方程的比较2.7Octave简明教程3.课后编程作业4.总结0概述  在week1中，我们学习了单变量线性回归，但现实世界往往不是简单的一元函数就能够表示的，因此基于Week1的
csdn_SUSAN·2019-05-16 09:49

吴恩达机器学习第二次编程作业----LogisticsRegression

作业的问题的背景PDF文件里面有，不再赘述。1：LogisticRegression1.1Visualizingthedatadata=load('ex2data1.txt');X=data(:,[1,2]);y=data(:,3);plotData(X,y);%plotData文件按照pdf给的去补全就行。如图：1.2Implementation补全sigmoid.m文件。根据公式可得：g=1.
Wison618·2019-05-15 16:16

吴恩达机器学习总结（一）线性回归和梯度下降

吴恩达这个机器学习课程是值得像我这样的初窥人工智能领域的同学们来学习的，该课程涉及的数学公式较少，很多结论都是直接呈现在屏幕上了，所以在看视频学习的过程中是很容易理解Ng所讲的内容的。不过课后作业相比于视频就比较的深入了，很多时候需要自己写代码来构造算法。整体课程大致分为三个部分：监督学习、无监督学习、以及如何优化机器学习系统。其中监督学习包括：线性回归、Logistics回归、神经网络和支持向量
Anaconda_·2019-05-14 21:58

【吴恩达机器学习笔记】第四章 多变量线性回归

搜索微信公众号:‘AI-ming3526’或者’计算机视觉这件小事’获取更多人工智能、机器学习干货csdn：https://blog.csdn.net/qq_36645271github：https://github.com/aimi-cn/AILearners第四章多变量线性回归4.1多维特征在之前的章节中，我们学习了单变量线性回归，及模型中只包含一个变量（特征）。但是我们清楚，在使用机器学习算
Jermiane·2019-05-14 19:35

吴恩达机器学习作业系列Python实现(一)之单变量线性回归

一、任务在本节练习中，你将实现一个单变量的线性回归，以此来预测食品卡车公司的利润。题目：假设你是一家食品公司的CEO，正在考虑在不同的城市开设一个新的分店；现提供该公司在各城市开通食品开车所获得的利润以及该城市相应的人口密度；现在你要训练出一个模型，去帮助公司判断是否要在某一个新的城市开通食品卡车。数据说明：第一列数据：城市人口密度第二列数据：该城市所得利润实现要求：（1）自编程实现线性回归模型；
Jack_0601·2019-05-13 00:31

吴恩达机器学习（Machine Learning）课程总结笔记---Week 1

文章目录0.概述1.课程大纲2.课程内容2.1引言(1)什么是机器学习？(2)为什么学习机器学习？(3)机器学习的分类？a.有监督学习b.无监督学习c.强化学习2.2单变量线性回归(1)模型假设(2)损失函数（CostFunction）(3)梯度下降法2.3线性代数基础3.总结0.概述  吴恩达老师在Week1课程中对机器学习进行了概括性的介绍，包括了机器学习的定义，发展和分类等。同时通过最简单的
csdn_SUSAN·2019-05-12 15:13

吴恩达机器学习第四周测验及编程作业

代码：https://github.com/LiuZhe6/AndrewNGMachineLearning文章目录测验：NeuralNetworks:Representation第一题第二题第三题第四题第五题编程作业：作业一：RegularizedLogisticRegression作业二：One-vs-AllClassifierTraining作业三：One-vs-AllClassifierPr
一叶知秋Autumn·2019-05-08 16:25

吴恩达机器学习第一次编程作业----LinearRegression

1:SimpleOctave/MATLABfunction  第一个任务是输出一个5*5的单位矩阵，这个只需要在warmUpExercise.m文件里面添加A=eye(5)即可。 输出结果如下图：A=eye(5)   1.1SubmittingSolutions这个是讲如何提交文件的，如果是在coursea上面看课程的同学就可以提交，如果在网易云课堂里面看的应该就不行。具体略。2:Linearre
Wison618·2019-05-08 10:58

吴恩达机器学习练习2：optimset和fminunc函数

在练习2中使用了到了两个函数：optimset和fminunc。%Setoptionsforfminuncoptions=optimset('GradObj','on','MaxIter',400);%settheGradObjoptiontoon,whichtellsfminuncthatourfunction%returnsboththecostandgradient.%Thisallowsf
梅文化_2019·2019-05-04 12:27

吴恩达机器学习笔记--Matlab commands

MatlabCommands文章目录Howtoloaddata?HowtocheckthevariablesandtheirinfoinmyMatlabworkspace?Howdowesavedata?howtoindexanelementinamatrix?ThenwhatifwewanttogetthefirstandthethirdrowofA?Howcanwemakeanassignme
天凉好个秋zero·2019-05-03 07:03

吴恩达机器学习训练2：Logistic回归

LogisticRegression问题实则为分类的问题Classification。1、数学模型由上图可知，由于最后是要求得y=1的概率，在线性回归的基础上增加了sigmoid函数，将z值映射到区间[0,1]。当z≥0时，g(z)≥0.5，可以推测y=1，否则y=0。故其决策边界即为z=theta’*X=0.2、代价函数计算3、matlab编程（1）原始数据的可视化补充完整plotData函数，
梅文化_2019·2019-05-01 14:28

日复盘 | 我的子弹笔记 26/30 （4.26）

图片发自AppTodolist*工作：—日常上课—银行开户—课程整理—素材搜集—话题思考—工作讨论—软件探索summary：头脑风暴，开始席卷至日常。改变自己的思考方式，也是件不易之事。
Vicco134340·2019-04-26 22:43

吴恩达机器学习 EX8 第二部分 推荐系统 协同过滤

2、推荐系统在第一部分练习，实现协同过滤学习算法，并将其应用于电影评级数据集。这个数据集由1到5的等级组成。数据集有nu=943个用户，nm=1682个电影在第二部分练习中，计算协同适配目标函数和梯度。在实现了成本函数和梯度之后，学习用于协同过滤的参数2.1导入模块和数据导入模块importmatplotlib.pyplotaspltimportnumpyasnpimportscipy.ioass
lsnow8624·2019-04-26 11:10

吴恩达机器学习课程（第二周）

LinearRegressionwithMultipleVariablesEnviromentSetupInstructionSettingUpProgrammingAssignmentEnviromentAccessMATLABOnlineandUploadtheProgramminigExerciseFiles由于电脑已经安装好matlab，所以这节略过。MultivariateLinearR
Ivan__1999·2019-04-22 21:39

Exercise 2: Linear Regression

吴恩达机器学习课程作业Exercise2:LinearRegression，matlab实现。线性回归线性回归基本模型：其中，为个特征变量，为拟合系数，为截距。
追光者_f27f·2019-04-21 17:45

吴恩达机器学习在线课程--【实验三】完成和总结--包括完整代码

>吴恩达机器学习课程链接>课程总结和笔记链接实验三的原始代码和使用数据可至课程链接-课时67-章节9编程作业中下载MachineLearningOnlineClass-Exercise3:One-vs-allandNeuralNetworksOne-vs-allPart1
Loy_Fan·2019-04-12 10:25

周志华西瓜书笔记一 机器学习介绍

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。
leichangqing·2019-04-08 08:05

三、HTTP协议及Requests库方法

三、HTTP协议及Requests库方法(课程整理笔记)HTTP协议：超文本传输协议HTTP是一个基于“请求与相应”模式的、无状态的应用层协议HTTP协议采用URL作为定位网络资源的标识。
G_AOFAN·2019-04-04 21:57

吴恩达机器学习笔记61-应用实例：图片文字识别(Application Example: Photo OCR)【完结】...

最后一章内容，主要是OCR的实例，很多都是和经验或者实际应用有关；看完了，总之，善始善终，继续加油！！一、图像识别（店名识别）的步骤：图像文字识别应用所作的事是，从一张给定的图片中识别文字。这比从一份扫描文档中识别文字要复杂的多。为了完成这样的工作，需要采取如下步骤：1.文字侦测（Textdetection）——将图片上的文字与其他环境对象分离开来2.字符切分（Charactersegmentat
weixin_33805992·2019-03-30 23:00

个人机器学习笔记之PCA降维

吴恩达机器学习笔记（7）——PCA降维机器学习个人笔记，学习中水平有限，内容如有缺漏欢迎指正。
ardepomy·2019-03-24 00:00

吴恩达机器学习，深度学习笔记

从2014年开始，以黄海广博士为首的一群机器学习爱好者发起了一个公益性质的项目（http://www.ai-start.com）：对吴恩达机器学习和深度学习课程的字幕翻译以及笔记整理。
小白的进阶之路·2019-03-22 22:03
上一页 32 33 34 35 36 37 38 39 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他