吴恩达机器学习课程整理

吴恩达机器学习笔记 —— 3 线性回归回顾

吴恩达机器学习笔记——3线性回归回顾更多内容参考机器学习&深度学习矩阵的表示矩阵的索引向量的表示矩阵的加法矩阵与实数的乘法矩阵的表达式矩阵与向量的乘法矩阵与矩阵的乘法矩阵特性——不满足交换律矩阵特性——
xing halo·2018-07-15 10:00

机器学习系列（五）——训练集、测试集、验证集与模型选择

模型选择借用吴恩达机器学习课程中的一页PPT，
zxhohai·2018-07-12 15:25

吴恩达机器学习：异常检测与协同过滤

这是吴恩达机器学习的最后一课，这次学习的内容是机器学习的常见应用，异常检测与协同过滤。课程中介绍的异常检测主要基于正态分布，用于检测出偏离正常值的数据。
Agent002·2018-07-11 21:57

【Andrew Ng机器学习】单变量线性回归-代价函数（二）

课程：吴恩达机器学习更深入的理解代价函数的作用两个参数的代价函数这次我们对代价函数图形化时，保留全部参数\theta_0和\theta_1。
jenye_·2018-07-11 15:43

吴恩达机器学习笔记（一） —— 线性回归

主要内容：一.模型简介二.CostFunction三.梯度下降四.线性回归之梯度下降法五.线性回归之最小二乘法六.FeatureScaling一.模型简介：线性回归主要用于预测：因变量与自变量存在线性关系的问题。例如coursera中介绍的买房问题：房子的价格由房子的大小以及房间的数量所决定，而这就大致可以用线性回归来预测房价。假设房价为y=Θ0+Θ1*x1+Θ2*x2，其中x1、x2分别代表着房
alince20008·2018-07-10 21:00

吴恩达机器学习笔记 —— 2 单变量线性回归

第一章讲述了基本的机器学习的概念以及分类，这里从单变量的线性回归入手，吴恩达讲解了机器学习中的几个重要因素，如模型、损失函数、优化方法等更多内容参考机器学习&深度学习首先以房价预测入手：房子的面积每平米的房价210446014162321534315852178其中：m为样本的数量x是样本的特征y是预测的值\((x,y)\)就是一条样本数据\(({x}^{(i)},{y}^{(i)})\)是第i条
xingoo·2018-07-10 18:00

吴恩达机器学习笔记 —— 1 绪论：初识机器学习

吴恩达机器学习笔记——1绪论：初识机器学习机器学习目前已经应用在很多领域，比如网页搜索、垃圾邮件过滤、点击率预测、生物信息、无人驾驶、无人机、手写体识别、自然语言处理、计算机视觉。
xing halo·2018-07-08 18:00

吴恩达机器学习笔记 —— 1 绪论：初识机器学习

机器学习目前已经应用在很多领域，比如网页搜索、垃圾邮件过滤、点击率预测、生物信息、无人驾驶、无人机、手写体识别、自然语言处理、计算机视觉。更多内容参考机器学习&深度学习什么是机器学习1机器学习一些比较难以变成的能力——ArthurSamuel2通过给定任务T以及性能度量P以及经验E，计算机程序从经验E中学习，用学习的结果改善性能P，从而实现自我完善，则称改程序具有学习能力。机器学习的分类机器学习通
xingoo·2018-07-08 18:00

吴恩达网易机器学习第6课：判别模型，生成模型以及朴素贝叶斯模型

本文结合网易云吴恩达机器学习公开课中文课件内容以及个人理解，对这一章节进行介绍。红色部分为关键部分或个人的一些理解。1.生成模型与判别模型1.1两种模型的区别我们首先假设x为特征，y为类别结果。
ChiiZhang·2018-07-06 21:57

（吴恩达机器学习）神经网络入门

1：为什么神经网络可以实现复杂的非线性假设函数的计算？对于一个较为复杂的数学式子的求解过程，我们是分步进行求解的。例如要求解a*(b+c)的值，我们是先进行b+c的计算，然后在将其结果与a相乘。对于这个式子神经网路的求解过程如下图所示：第一层是输入层，最后一层是输出层，中间为隐藏层。隐藏层实际上就是一个复杂式子的中间计算过程，除了输入层外，其他的每一个节点表示的就是一个计算过程，计算的具体过程由参
STILLxjy·2018-07-02 14:16

机器学习实战之Logistic回归小结

吴恩达机器学习课程和周志华教授的做法如下：上面来自吴恩达教授的笔记，详细讲述了损失函数推到过程。在机器学习实战中：参数更新方式相同。两种方法的目标函数虽不
L~花海·2018-07-02 13:19

吴恩达机器学习笔记（十六）-推荐系统

第十七章推荐系统问题规划这一章中将讨论推荐系统的有关内容，它是在机器学习中的一个重要应用。机器学习领域的一个伟大思想：对于某些问题，有一些算法可以自动地学习一系列合适的特征，比起手动设计或编写特征更有效率。这是目前做的比较多的研究，有一些环境能让你开发某个算法来学习使用那些特征。接下里让我们通过推荐系统的学习来领略一些特征学习的思想。推荐系统预测电影评分的问题：某些公司让用户对不同的电影进行评价，
献世online·2018-07-01 11:25

吴恩达机器学习笔记（十五）-异常检测

第十六章异常检测问题动机这一章中将介绍异常检测问题，这是机器学习算法的常见应用，那么什么是异常检测问题？举例：比如生产汽车引擎，需要进行质量测试，而作为测试的一部分，需要测量汽车引擎的一些特征变量：（1）引擎运转时产生的热量；（2）引擎的振动；于是就会有一个数据集：，把数据绘制成图，如下图：这样，异常检测问题可以定义如下：假设，之后生产了一个新的汽车引擎，而新的汽车引擎有一个特征变量集，所谓的异常
Messi-Q·2018-06-30 11:33

吴恩达机器学习笔记（十四）-降维

第十五章降维目标：数据压缩和可视化这一章中将讨论第二种无监督学习的问题：降维。数据压缩不仅能让我们对数据进行压缩，使得数据占用较少的内存和硬盘空间，还能对学习算法进行加速。（1）二维降到三维：如果能把数据从二维减少到一维，用来减少这种冗余，通过降维，也就说想找出一条线，看起来大多数样本所在的线，所有的数据都投影到这条线上，通过这种做法，能够测量出每个样本在线上的位置。就可以建立新的特征，只需要一个
献世online·2018-06-29 10:07

吴恩达机器学习笔记（十三）-无监督学习

第十四章无监督学习无监督学习这一章中将介绍无监督学习中的聚类算法，那么什么是无监督学习呢？首先，拿监督学习来进行比较，这是一个典型的监督学习的例子，有一个带标签的训练集，目标是找到一条能够区分正样本和负样本的决策边界，如下图：这里的监督学习问题是指有一系列标签，用假设函数去拟合它。而相比于无监督学习中，数据并不带有任何标签，得到的数据如下图：因此在无监督学习中，要将这系列无标签的数据输入到算法中，
献世online·2018-06-28 00:11

吴恩达机器学习笔记（十二）-支持向量机

第十三章支持向量机（SVM）优化目标支持向量机在学习复杂的非线性方程时能够提供一种更为清晰个更加强大的方式。先回顾一下逻辑回归的相关概念，看如何进行改动可以得到支持向量机。逻辑回归的假设函数为，对应的图像如下：如果有样本y=1，希望能尽可能接近1，意味着远大于0；如果有样本y=0，希望能尽可能接近0，意味着远小于0。逻辑回归中的代价函数为：针对某一项的cost为：可以看到下图中SVM中对代价函数的
献世online·2018-06-27 11:04

吴恩达机器学习笔记（十）-应用机器学习的建议

第十一章应用机器学习的建议决定下一步做什么当要设计机器学习系统时，如何选择一条最适合最高效的道路？假设你已经实现了正则化的线性回归来预测房屋价格，然而，当在一组新的测试集上使用该假设时，在预测上出现了不能接受的错误，接下来会做什么呢？也就是说当调试学习算法时，当面对测试集算法效果不佳时，会怎么做呢？（1）采集更多的训练样本；（有时候并没有效果）（2）尝试选用更少的特征；（3）尝试获取更多的特征；（
献世online·2018-06-24 00:09

吴恩达机器学习 - 神经网络的反向传播算法

题目链接：点击打开链接笔记：因为这一部分的内容确实难度比较大，所以我准备按最后一页笔记的思路一点一点的写出实现的思路和我的想法。首先让数据可视化执行代码load('ex4data1.mat');m=size(X,1);sel=randperm(size(X,1));%乱序后随机选择100组数据进行展示sel=sel(1:100);displayData(X(sel,:));结果是：用到是函数是di
wyg1997·2018-06-21 20:35

吴恩达机器学习（第1周--Linear Regression with One Variable）

第1周--ModelRepresentation第1周--CostFunction第1周--CostFunction-IntutionI第1周--CostFunction-IntutionII第1周--GradientDescent第1周--GradientDescentIntuition第1周--GradientDescentforLinearRegression
garrulousabyss·2018-06-13 07:19

吴恩达机器学习笔记（0）——初识机器学习

听了网上的推荐就看了《吴恩达机器学习》，感觉挺不错的，所以想把我学的内容记录个笔记，以便于以后遗忘了在回来复习一下，顺便趁热打铁。
机智的神棍酱·2018-06-03 19:07

2.吴恩达机器学习笔记全干货（第二章：单变量线性回归）

1.符号：m=训练样本中的数量x=输入变量y=输出变量(x,y)=一个训练样本(x(i),y(i))=第i个训练样本流程：2.整体目标（J为代价函数，又叫平方误差函数，平方误差代价函数）3.通过图像进一步了解代价函数（二维）4.通过等高线图了解代价函数（三维）5.梯度下降（适用于单变量回归线性外更一般的函数）步骤：1.给定初始值（常常两个均为0）2.不停地一点点改变theta0和theta1，使J
cxt_victoria·2018-06-02 14:39

吴恩达机器学习作业Python实现(八)：异常检测和推荐系统

吴恩达机器学习系列作业目录1Anomalydetection这部分，您将实现一个异常检测算法来检测服务器计算机中的异常行为。他的特征是测量每个服务器的响应速度(mb/s)和延迟(ms)。
Cowry5·2018-06-01 18:16

吴恩达机器学习作业Python实现(八)：异常检测和推荐系统

吴恩达机器学习系列作业目录1Anomalydetection这部分，您将实现一个异常检测算法来检测服务器计算机中的异常行为。他的特征是测量每个服务器的响应速度(mb/s)和延迟(ms)。
Cowry5·2018-06-01 18:16

1.吴恩达机器学习笔记 全干货（第一章：绪论）

1.机器学习运用领域：数据挖掘无法手动编写的程序：NLP（自然语言处理），计算机视觉私人订制程序：eg推荐Understandinghumanlearning(brain,realAI)2.算法（1）监督学习：我们会教计算机做某事（2）非监督学习：计算机自己学习Others:强化学习，推荐系统3.监督学习案例：给出数据库，其中包括了正确答案，目的：给出更多的正确答案回归问题：Regression预
cxt_victoria·2018-06-01 15:10

Coursera吴恩达机器学习笔记及代码练习(Matlab版)

coursera课程主页https://www.coursera.org/learn/machine-learning之前寒假其实已经在B站上看过Andrew的这门机器学习了，先在这里给出链接，基本上都是有中文字幕的，喜欢弹幕的小伙伴可以看这个。https://www.bilibili.com/video/av9912938网易云课堂也上线了这门课，因为是官方翻译肯定比B站的好，缺点也是没有配套练
不晓得X·2018-06-01 12:31

吴恩达机器学习作业Python实现(七)：K-means和PCA主成分分析

吴恩达机器学习系列作业目录1K-meansClustering在这个练习中，您将实现K-means算法并将其用于图像压缩。通过减少图像中出现的颜色的数量，只剩下那些在图像中最常见的颜色。
Cowry5·2018-05-29 22:01

吴恩达机器学习作业Python实现(七)：K-means和PCA主成分分析

吴恩达机器学习系列作业目录1K-meansClustering在这个练习中，您将实现K-means算法并将其用于图像压缩。通过减少图像中出现的颜色的数量，只剩下那些在图像中最常见的颜色。
Cowry5·2018-05-29 22:01

Coursera吴恩达机器学习编程作业（ex4）包含BackPropagation算法的NeuralNetwork多层分类

nnCostFunction.mfunction[Jgrad]=nnCostFunction(nn_params,input_layer_size,hidden_layer_size,num_labels,X,y,lambda)%NNCOSTFUNCTIONImplementstheneuralnetworkcostfunctionforatwolayer%neuralnetworkwhichpe
林杪·2018-05-27 20:36

（吴恩达机器学习）Logistic 回归

逻辑回归提出的原因：对于分类问题，为什么不能用我们之前学习的线性回归算法来解决呢？有以下两点：1：不能很好地说明实际情况的真正意义2：函数值可能大于1或者小于0（对于二类分类0,1）假设函数：为了使函数值在0~1之间，假设函数h(x)从h(x)=θ’x换为h(x)=g(θ’x)其中g(z)=1/(1+e^-z)h(x)的含义为：对于给定的输入x,y=1的概率为多少？如下图所示：由h(x)的含义可知
STILLxjy·2018-05-27 00:00

吴恩达机器学习作业Python实现(六)：SVM支持向量机

吴恩达机器学习系列作业目录1SupportVectorMachines1.1ExampleDataset1%matplotlibinlineimportnumpyasnpimportpandasaspdimportmatplotlib.pyplotaspltimportseabornassbfromscipy.ioimportloadmatfromsklearnimportsvm
Cowry5·2018-05-26 22:21

吴恩达机器学习作业Python实现(六)：SVM支持向量机

吴恩达机器学习系列作业目录1SupportVectorMachines1.1ExampleDataset1%matplotlibinlineimportnumpyasnpimportpandasaspdimportmatplotlib.pyplotaspltimportseabornassbfromscipy.ioimportloadmatfromsklearnimportsvm
Cowry5·2018-05-26 22:21

定量遥感课程整理

定量遥感整理：绪论1.定量遥感的定义及双重含义定量遥感或称遥感量化研究，主要指从对地观测电磁波信号中定量提取地表参数的技术和方法研究，区别于仅依靠经验判读的定性识别地物的方法。它有两重含义：A.遥感信息在电磁波的不同波段内给出的地表物质的定量的物理量和准确的空间位置；B.从这些定量的遥感信息中，通过实验的或物理的模型将遥感信息与地学参量联系起来，定量的反演或推算某些地学或生物学信息2.遥感信息获取
josslyn·2018-05-24 10:56

Coursera吴恩达机器学习编程作业（ex3）用LogisticRegression和NeuralNetwork处理MultiClass分类

建立一个正确的hypothesisfunction其实关键就在于找到合适的theta，使用优化后的高级算法，fmincg（更适用于参数非常多的情况）和fminunc均可返回一组theta和该组theta对应的cost。oneVsAll.m（处理multiclass问题，需要对每一个class独立地训练出一个classifier）function[all_theta]=oneVsAll(X,y,nu
林杪·2018-05-23 21:54

吴恩达机器学习作业Python实现(五)：偏差和方差

吴恩达机器学习系列作业目录在本练习中，您将实现正则化的线性回归和多项式回归，并使用它来研究具有不同偏差-方差属性的模型1RegularizedLinearRegression正则线性回归在前半部分的练习中
Cowry5·2018-05-23 16:45

吴恩达机器学习作业Python实现(五)：偏差和方差

吴恩达机器学习系列作业目录在本练习中，您将实现正则化的线性回归和多项式回归，并使用它来研究具有不同偏差-方差属性的模型1RegularizedLinearRegression正则线性回归在前半部分的练习中
Cowry5·2018-05-23 16:45

吴恩达机器学习作业Python实现(四)：神经网络(反向传播)

吴恩达机器学习系列作业目录1NeuralNetworks神经网络在这个练习中，你将实现反向传播算法来学习神经网络的参数。依旧是上次预测手写数数字的例子。
Cowry5·2018-05-21 22:14

吴恩达机器学习作业Python实现(四)：神经网络(反向传播)

吴恩达机器学习系列作业目录1NeuralNetworks神经网络在这个练习中，你将实现反向传播算法来学习神经网络的参数。依旧是上次预测手写数数字的例子。
Cowry5·2018-05-21 22:14

BP（反向传播）神经网络

在学吴恩达机器学习视频的神经网络那节时，给出了许多公式，比如计算每层的误差，每层参数的梯度，但并没有给出推导过程，可能也是考虑入门级，大多人并不要知道其中含义就可以运用算法了。
Cowry5·2018-05-18 23:34

BP（反向传播）神经网络

在学吴恩达机器学习视频的神经网络那节时，给出了许多公式，比如计算每层的误差，每层参数的梯度，但并没有给出推导过程，可能也是考虑入门级，大多人并不要知道其中含义就可以运用算法了。
Cowry5·2018-05-18 23:34

吴恩达机器学习作业Python实现(三)：多类分类和前馈神经网络

吴恩达机器学习系列作业目录1多类分类(多个logistic回归)我们将扩展我们在练习2中写的logistic回归的实现，并将其应用于一对多的分类（不止两个类别）。
Cowry5·2018-05-18 17:42

吴恩达机器学习作业Python实现(三)：多类分类和前馈神经网络

吴恩达机器学习系列作业目录1多类分类(多个logistic回归)我们将扩展我们在练习2中写的logistic回归的实现，并将其应用于一对多的分类（不止两个类别）。
Cowry5·2018-05-18 17:42

吴恩达机器学习：支持向量机

这次的课程笔记和上次隔了好久，因为为了搞懂SVM花了不少时间。和之前神经网络课程一样，Ng在Coursera上讲述的内容非常有限，要搞懂SVM你只能寻求于其他方面的资料。经过对网上一些内容的对比后发现斯坦福的CS229讲义写得非常清晰。CS229是AndrewNg在斯坦福大学开设的机器学习课程，Coursera上的课程可以说是CS229的简化版本，而且整个课程的内容还在不断更新，有兴趣的同学可以把
Agent002·2018-05-17 19:20

吴恩达机器学习作业Python实现(二)：logistic回归

吴恩达机器学习系列作业目录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。
Cowry5·2018-05-08 23:10

吴恩达机器学习作业Python实现(二)：logistic回归

吴恩达机器学习系列作业目录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。
Cowry5·2018-05-08 23:10

Octave 基础操作总结（二）

Octave基本操作总结一（观吴恩达机器学习课程笔记）本文继续上一篇博客《Octave基础操作总结（一）》的内容，继续总结观吴恩达机器学习课程课堂笔记：数据绘制控制语句ifwhilefor一数据绘制>>
Avici0929·2018-05-07 17:41

Coursera吴恩达机器学习课程第一周测验2（单变量线性回归）

MachineLearningWeek1Quiz2(LinearRegressionwithOneVariable)StanfordCourseraQuestion1Considertheproblemofpredictinghowwellastudentdoesinhersecondyearofcollege/university,givenhowwellshedidinherfirstyear
karmalk·2018-05-05 14:21

Coursera 吴恩达机器学习课程第一周测验

QuizQuestion1AcomputerprogramissaidtolearnfromexperienceEwithrespecttosometaskTandsomeperformancemeasurePifitsperformanceonT,asmeasuredbyP,improveswithexperienceE.Supposewefeedalearningalgorithmalotof
karmalk·2018-05-03 18:08

吴恩达机器学习作业Python实现(一)：线性回归

吴恩达机器学习系列作业目录单变量线性回归在本部分的练习中，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。
Cowry5·2018-05-03 00:32

Octave教程(吴恩达机器学习）

此文是转载内容！！！！！本次课主要是关于编程，帮助你学会如何编程实现学习算法。编程需要的工具是Octave或者Matlab。本部分介绍关于Octave/Matlab的知识，以及如何提交相关编程作业.Lesson1Octave/Matlab教程Part1基本操作本节主要介绍关于Octave的基本操作在Octave中可以进行基本的算术运算，逻辑运算，操作如图所示，简单方便，其中%用于注释的作用。注：在
love music.·2018-04-28 20:27

Octave 基础操作总结（一）

Octave基本操作总结一（观吴恩达机器学习课程笔记）Octave作为类似Matlab和Python等，很方便对数据进行操作。是一个极其便捷且快速进行机器学习模型建立的IDE。
Avici0929·2018-04-26 21:58
上一页 36 37 38 39 40 41 42 43 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他