吴恩达机器学习课程整理第41页

感动！有人将吴恩达的视频课程做成了文字版

于是，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）：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。

AI科技大本营·2018-04-23 00:00

吴恩达机器学习：方差与偏差

在前几周的课程里，我们已经学习了监督学习中的线性回归、逻辑回归、神经网络（点击进入笔记）。回顾课程作业，所有的样本数据都被用来训练模型。验证模型时，也只是将模型的数据结果与正确结果作对比来看正确率。这样的训练方法是否正确？正确率是否能作为评价模型的标准？这周就将学习如何评价我们的模型，以及如何采取正确有效的改进策略。点击课程视频你就能不间断地学习Ng的课程，关于课程作业的Python代码已经放到了

Agent002·2018-04-22 00:20

吴恩达机器学习：神经网络 | 多分类问题

上一周我们学习了逻辑回归，并使用它解决了简单的0/1分类问题。这周我们首先尝试使用逻辑回归来解决多分类问题（手写字符识别）。通过这个问题了解到，当我们需要解决特征量很大的非线性分类问题时（比如计算机视觉问题），我们原本假设高次特征的方法会使得特征数异常庞大，从而引出新的方法神经网络。点击课程视频你就能不间断地学习Ng的课程，关于课程作业的Python代码已经放到了Github上，点击课程代码就能去

Agent002·2018-04-16 21:03

吴恩达机器学习：逻辑回归

在上一周的课程里，AndrewNg为我们介绍了什么是机器学习以及监督学习中的线性回归。对于一个监督学习，我们要确定我们的预测函数，代价函数，然后利用梯度下降算法找到代价函数最小时，预测函数中的参数值。这周我们会接触监督学习中一类新的问题，称为分类问题。点击课程视频你就能不间断地学习Ng的课程，关于课程作业的Python代码已经放到了Github上，点击课程代码就能去Github查看（无法访问G

Agent002·2018-04-16 21:59

吴恩达机器学习：线性回归

首先说一些关于课程的题外话。对于Ng的这个课程，笔者没有选择在Coursera上学习课程，一来是因为Coursera有自己的课程周期，但这个周期不一定适合所有人。其次Coursera的课程作业是使用Octave语言，而笔者个人觉得不管是学习还是未来使用Python都会是更合适的语言。所以最笔者选择了课程视频+Python实现作业的形式。点击课程视频你就能不间断地学习Ng的课程，关于课程作业的Pyt

Agent002·2018-04-16 20:43

吴恩达机器学习手稿

下面是所有手稿的图片（一共貌似40张，PS：忽略字差，毕竟看着视频写笔记）：IMG_1928.JPGIMG_1929.JPGIMG_1930.JPGIMG_1931.JPGIMG_1932.JPGIMG_1933.JPGIMG_1934.JPGIMG_1935.JPGIMG_1936.JPGIMG_1937.JPGIMG_1939.JPGIMG_1940.JPGIMG_1941.JPGIMG_19

PerfectDemoT·2018-04-12 23:46

吴恩达机器学习总结：第十四大型机器学习（大纲摘要及课后作业）

为了更好的学习，充分复习自己学习的知识，总结课内重要知识点，每次完成作业后都会更博。英文非官方笔记总结1.大数据集的学习（1）长处及缺陷 a.获得高性能的最佳方法之一是采用低偏置算法并对大量数据进行训练 b.我们看到只要提供大量数据的算法，它们的表现都非常相似 c.但是，使用大型数据集进行学习会带来其自身的计算问题（2）这种大规模总结的计算成本，我们将考虑更有效的方法 a. 使用不同的方法

CC12222032·2018-04-11 10:28

福利丨吴恩达机器学习新书免费领！

继今年2月DeepLearningSpecialization最后一课上线之后，吴恩达又捡起了之前荒废已久的项目——MachineLearningYearning。这本书此前已经出到了第14章，不过因为DeepLearningSpecialization课程项目而搁置了一段时间了。关注网络大数据(ID:raincent_com)微信，回复网络大数据微信公众号"吴恩达新书"即可下载吴恩达新书前14章

人工智能爱好者俱乐部·2018-04-11 00:00

吴恩达机器学习总结：第十三推荐系统（大纲摘要及课后作业）

为了更好的学习，充分复习自己学习的知识，总结课内重要知识点，每次完成作业后都会更博。英文非官方笔记总结1.推荐系统-介绍（1）ML系统的重要应用 a.许多科技公司发现推荐系统很关键（亚马逊，Ebay） b.推荐系统性能提高能带来更多收入（2）推荐系统不是一种技术，而是一种想法（3）例子—预测电影评分2.基于内容的推荐（1）问题描述（2）定义 a.电影LoveatLast可表示为： b.同理

CC12222032·2018-04-10 09:12

吴恩达机器学习总结：第十二异常检测（大纲摘要及课后作业）

为了更好的学习，充分复习自己学习的知识，总结课内重要知识点，每次完成作业后都会更博。英文非官方笔记总结1.异常检测-问题动机（1）问题检测是什么 a.我们有一些包括正常值的数据 b.我们如何确保他们是正常的取决于我们 c.事实上，如果有一些实际上并不正常，那么也可以使用该数据集作为参考点，我们可以看到其他示例是否异常（2）我们如何做到这一点 a.首先，使用我们的训练数据集建立一个模型 b

CC12222032·2018-04-09 10:45

吴恩达机器学习总结：第十一降维（PCA）（大纲摘要及课后作业）

为了更好的学习，充分复习自己学习的知识，总结课内重要知识点，每次完成作业后都会更博。英文非官方笔记总结1.动机I：数据压缩（1）压缩 a.加速算法 b.减小数据空间 c.2维降为1维例子 d.3维降为2维例子 e.在实际中，我们正常会将1000维将为100维2.动机II:可视化（1）很难可视化高维数据 a.将为将会以易处理的方式来显示信息，以此提供给人进行处理（2）我们关心

CC12222032·2018-04-08 15:21

艺术品思维在商业中的运用

（根据袁国顺老师免费系统课程整理生发）如果谈到中国的著名现代建筑，大家耳熟能详的一定有以下几个：奥运会开幕式体育馆“鸟巢”，央视大楼，还有迪拜的六星级帆船酒店，图片发自App图片发自App这些建筑都是自带流量的

胡文斌福子·2018-04-08 09:47

吴恩达机器学习总结：第十课聚类分析（大纲摘要及课后作业）

为了更好的学习，充分复习自己学习的知识，总结课内重要知识点，每次完成作业后都会更博。英文非官方笔记总结1.无监督学习——介绍（1）聚类（从无标签数据中学习）（2）无监督学习（3）适用聚类的 a.市场划分 b.社交网络分析 c.计算机集群 d.天文数据分析2.K-均值算法（1）将无标签数据分成两组（2）随机选择两个点作为聚合中心 a.有多少个聚合类就选择多少个聚合中心（3）集群分配步骤

CC12222032·2018-04-07 17:55

如何建好老板系统？

根据袁国顺老师课程整理生发在建立系统之前，我们要懂得几个原理原理一，种瓜得瓜种豆得豆，你种什么就会得什么想要健康就种下健康的种子，你想要财富就种下财富的种子，就如农民伯伯在秋天收割来自于春天的播种。

胡文斌福子·2018-04-06 11:43

Coursera吴恩达机器学习week8的ex7编程作业代码

Machine-learning-ex7这是Coursera上Week8的ml-ex7的编程作业代码。经过测验，全部通过。具体文件可以进入我的github包括以下6个文件：%pca.m%projectData.m%recoverData.m%computeCentroids.m%findClosestCentroids.m%kMeansInitCentroids.mpca.mfunction[U,

loserChen.·2018-04-06 10:04

Coursera吴恩达机器学习week7的ex6编程作业代码

Machine-learning-ex6这是Coursera上Week7的ml-ex6的编程作业代码。经过测验，全部通过。具体文件可以进入我的github包括以下4个文件：%gaussianKernel.m%dataset3Params.m%processEmail.m%emailFeatures.mgaussianKernel.mfunctionsim=gaussianKernel(x1,x2,

loserChen.·2018-04-06 10:16

吴恩达机器学习总结：第九课支持向量机（大纲摘要及课后作业）

为了更好的学习，充分复习自己学习的知识，总结课内重要知识点，每次完成作业后都会更博。英文非官方笔记总结1.支持向量机——优化对象（1）另一种替代的对于逻辑回归的视角 a.逻辑回归假设，和sigmoid函数图，以及代价函数 b.将(hθ(x))代入代价函数，得到另外一种形式代价函数 y=1和y=0时，代价函数曲线（2）从逻辑回归代价函数中得到SVM的代价函数 a

CC12222032·2018-04-06 00:00

吴恩达机器学习总结：第八课机器学习系统设计（大纲摘要及课后作业）

为了更好的学习，充分复习自己学习的知识，总结课内重要知识点，每次完成作业后都会更博。英文非官方笔记总结1.机器学习系统设计（1）接触如何组合一个系统（2）这部分需要很少的数学方法，但是数学方法可以帮助你理解算法 2.优先处理需要处理的问题--垃圾邮件分类（1）选择你自己的特征 a.选择100个词 b.编入长向量 c.定义特征向量X，一般n

CC12222032·2018-04-05 18:46

Coursera吴恩达机器学习week5的ex4编程作业代码

Machine-learning-ex4这是Coursera上Week5的ml-ex4的编程作业代码。经过测验，全部通过。具体文件可以进入我的github包括以下3个文件：%sigmoidGradient.m%randInitializeWeights.m%nnCostFunction.msigmoidGradient.mfunctiong=sigmoidGradient(z)%SIGMOIDGR

loserChen.·2018-04-05 12:01

Coursera吴恩达机器学习week4的ex3编程作业代码

Machine-learning-ex3这是Coursera上Week4的ml-ex3的编程作业代码。经过测验，全部通过。具体文件可以进入我的github包括以下4个文件：%lrCostFunction.m(logisticregressioncostfunction)%oneVsAll.m%predictOneVsAll.m%predict.mlrCostFunction.mfunction[J

loserChen.·2018-04-05 11:56

打造自己的老板系统

根据袁国顺老师课程整理生发作为一个老板，你打造自己的老板，系统必须有几个要点，第一呢，找到有未来的人，什么叫有未来的人，就是爱学习的人，因因为学习才能进步才有要比别人发展的快，你就要比别人学习的快。

胡文斌福子·2018-04-05 11:22

好“师”创人生

图片发自App昨晚看完肖教授的讲座，感触很多，思绪繁杂，前一段挺多吴虹校长说，写要有深度解读，不是课程的摘录，把课程整理一下就完了，要去深度挖掘，要有自己的一些东西、想法。

无奋斗不青春宋现明·2018-04-05 06:57

打造核心竞争力之知名度

根据严国顺老师免费系统课程整理生发。我们都知道，广告语是非常重要的，如何让大家快速的记住你的公司的产品或者服务，所以广告语具备有几个要点，第一，客户愿意说；第二，员工愿意传；第三，竞争对手害怕。

胡文斌福子·2018-04-04 11:26

吴恩达机器学习总结：第七课运用机器学习的建议（大纲摘要及课后作业）

为了更好的学习，充分复习自己学习的知识，总结课内重要知识点，每次完成作业后都会更博。英文非官方笔记总结1.决定接下来该怎么尝试（1）调试学习算法（当实施正则化线性回归之后，预测中有比较大错误） a.获得更多训练数据（前提是要保证更多的训练集有用） b.使用更小的特征集（仔细选择小子集，或者使用PCA降维） c.增加额外的特征（有时候并不有用，你需要关注数据本身，需要消耗很多时间） d.增加

CC12222032·2018-04-03 17:54

打造企业绝对优势之机会

根据袁国顺老师免费系统课程整理生发以一个案例来看如何盘活电梯工厂的，电梯工厂生产积压了不少电梯，电梯质量很好，苦于无销量。

胡文斌福子·2018-04-03 11:33

吴恩达机器学习总结：第六课神经网络-学习（大纲摘要及课后作业）

为了更好的学习，充分复习自己学习的知识，总结课内重要知识点，每次完成作业后都会更博。英文非官方笔记总结1.神经网络代价函数2.后向算法（被用来最小化代价函数）（1）误差 a.第四层输出误差表示为δj4 =aj4 - yj δ4 =a4 - y b.因为g'(z3)= a3 .* (1- a3)，所以δ3 =(Ɵ3)T δ4 .*(a3 .* (1- a3))

CC12222032·2018-04-02 09:45

打造企业核心优势之安全感

（根据壹玖免费系统袁国顺老师课程整理生发）2015年4月16日，恒大宣布对旗下所有楼盘住宅实施无理由退房，被称之为房企应时而为的“优惠大招”，为彼时迷茫的楼市带来一丝惊喜。

胡文斌福子·2018-04-01 10:49

吴恩达机器学习总结：第五课神经网络-表示（大纲摘要及课后作业）

为了更好的学习，充分复习自己学习的知识，总结课内重要知识点，每次完成作业后都会更博。英文非官方笔记总结1.模型展示-1 （1）神经元（2）人工神经网络 a.在人工神经网络中，神经元是一个逻辑单元（通过输入线输入、逻辑单元进行计算、发送输出线条输出） b.该逻辑计算就像我们之前的逻辑回归假设计算 c.神经网络结构（第一层是输入层、第二层

CC12222032·2018-03-31 20:55

吴恩达机器学习总结：第四课正则化（大纲摘要及课后作业）

为了更好的学习，充分复习自己学习的知识，总结课内重要知识点，每次完成作业后都会更博。英文非官方笔记总结1.过拟合问题（1）线性回归的过拟合 a.过拟合导致高方差，欠拟合导致高偏差 b.泛化能力差（2）逻辑回归的过拟合（3）解决过拟合方法 a.减少特征数量（会造成信息缺失） b.正则化2.正则化的代价函数优化（1）代价函数（其中正则想不包括

CC12222032·2018-03-30 09:36

吴恩达机器学习总结：第三课逻辑回归（大纲摘要及课后作业）

为了更好的学习，充分复习自己学习的知识，总结课内重要知识点，每次完成作业后都会更博。英文非官方笔记总结1.分类（1）y的值是离散值，比如说0（负分类）,1（正分类）（2）从二元分类开始（3）如何开始一个分类算法 a.利用线性回归，选个一个阈值2.假设表示（1）逻辑函数（sigmoid函数） a.hθ(x)= (θT x) b.hθ(x) =g((θT

CC12222032·2018-03-29 10:46

吴恩达机器学习总结：第二课多变量线性回归（大纲摘要及课后作业）

为了更好的学习，充分复习自己学习的知识，总结课内重要知识点，每次完成作业后都会更博。英文非官方笔记1.总结（1）符号设置： n特征的数量 m 样本数量 Xi 样本i的向量型输入 Xji 样本i的第j个特征 hθ(x)= θ0x0 + θ1x1 + θ2x2 + θ3x3 + θ4x4 hθ(x)=θT X （2）多变量的梯度

CC12222032·2018-03-22 15:46

吴恩达机器学习总结：第一课单变量线性回归（大纲摘要及课后作业）

为了更好的学习，充分复习自己学习的知识，总结课内重要知识点，每次完成作业后都会更博。英文非官方笔记 1.总结（1）代价函数（2）梯度下降重要参数：学习率α（太小导致收敛慢，太大导致不能收敛）和迭代次数 2.课后作业：（1）导入数据 data=load('ex1data1.txt');X=data(:,1);y=data(:,2); （2）可视化（画图）functio

CC12222032·2018-03-21 09:52

AI角 | 把吴恩达深度学习系列课程画出来，这有份诚意满满的笔记求查收

原文链接：https://yq.aliyun.com/articles/552729在吴恩达机器学习系列课程完结后不久，一位名叫TessFerrandez的小姐姐在推特上分享了一套自己的课程笔记，瞬间收获了

weixin_33997389·2018-03-19 15:58

Coursera吴恩达机器学习教程笔记（一）

人工智能行业如火如荼，想要入门人工智能，吴恩达老师的机器学习课程绝对是不二之选（当然，这不是我说的，是广大网友共同认为的）教程的地址链接：Coursera吴恩达机器学习教程有的同学可能进不去这个网站，解决办法参照如下链接

Master_Cui·2018-03-18 14:08

《机器学习》(周志华)西瓜书读书笔记(完结)

原文链接：http://www.cnblogs.com/limitlessun/p/8505647.html大部分基础概念知识已经在MachineLearning|AndrewNg|Coursera吴恩达机器学习笔记这篇博客中罗列

weixin_30374009·2018-03-04 19:00

网易吴恩达机器学习编程作业答案--exercise1 linear regression

单变量线性回归主函数代码（实验工具Octave）%%MachineLearningOnlineClass-Exercise1:LinearRegression%Instructions%------------%%Thisfilecontainscodethathelpsyougetstartedonthe%linearexercise.Youwillneedtocompletethefollow

9527----到·2018-03-03 13:36

Coursera 吴恩达 Andrew Ng，深度学习 deeplearning 答案

我也特地把Ng的深度学习课程整理放

改造汽水侠2号·2018-02-12 00:43

Coursera吴恩达机器学习week3的ex2编程作业代码

Machine-learning-ex2这是Coursera上Week3的ml-ex2的编程作业代码。经过测验，全部通过。具体文件可以进入我的github包括以下5个文件：%plotData.m%sigmoid.m%costFunction.m%predict.m%costFunctionReg.mplotData.mfunctionplotData(X,y)%PLOTDATAPlotstheda

loserChen.·2018-02-02 15:46

机器人编程实践----ROS基础（ETH Zürich课程整理）

博客全部资源下载地址，csdn下载：http://download.csdn.net/user/zhangrelay/uploads机器人编程入门高校课程中，ETHZürich的ROS课程觉得非常好，虽然不是面面俱到，但是简洁明快。具体章节内容如下，稍后将此内容和实验楼中的ROS课程进行结合，并更新对应课程，同时补充ROS专题在线课程。课程相关资源链接。---->01>02>03>04>05>06

zhangrelay·2018-02-01 17:28

Coursera吴恩达机器学习week2的ex1编程作业代码

machine-learning-ex1这是Coursera上Week2的ml-ex1的编程作业代码。经过测验，全部通过。具体文件可以进入我的github包括以下八个文件：%warmUpExercise.m%plotData.m%gradientDescent.m%computeCost.m%gradientDescentMulti.m%computeCostMulti.m%featureNorm

loserChen.·2018-02-01 15:38

手推SVM 支持向量机的简易推导和理解

SVM-supportvectormachine,俗称支持向量机，为一种监督学习算法，是一种二分类模型，学习策略是间隔最大化，可以形式为一个求解凸二次规划问题(此篇博客主要讲述)，也等价于正则化的合页损失函数的最小化问题(Coursera吴恩达机器学习课程里面讲的

小鹅鹅·2018-01-29 10:35

吴恩达机器学习学习笔记之一监督学习和无监督学习

一、1-1welcome1-2什么是机器学习——MachineLearning机器学习尚无明确定义，现有的定义有：（1）Fieldofstudythatgivescomputerstheabilitytolearnaboutbeingexplicity(明确地)programmed.——ArthurSamuel机器学习做什么机器学习是一个学习领域，并在没有明确训练的情况下，交给计算机学习的能力。注

张之海·2018-01-16 20:46

吴恩达机器学习学习笔记（四）（附作业代码注释）

吴恩达机器学习学习笔记（四）标签：机器学习吴恩达机器学习学习笔记四代价函数与反向传播CostfunctionandBackpropagation一代价函数1逻辑分类的评价函数神经网络的评价函数1note

蚍蜉_·2018-01-14 00:04

吴恩达机器学习-BP神经网络-核心公式推导

Note：课程中采用的代价函数J(theta)，相当于这里的C，w（权重）相当于课程中的thetahttp://blog.csdn.net/lanchunhui/article/details/50086025（博客名字：BP神经网络——从二次代价函数（Quadraticcost）到交叉熵（cross-entropycost）代价函数）http://blog.csdn.net/u014313009

自动化小学生·2018-01-10 14:01

Coursera上Python课程（公开课）汇总

datadwPython是深度学习时代的语言，Coursera上有很多Python课程，从Python入门到精通，从Python基础语法到应用Python，满足各个层次的需求，以下是Coursera上的Python课程整理

大数据挖掘DT数据分析·2017-12-28 00:00

好油对子宫肌瘤、囊肿、乳腺增生的重要性

时间：2017-12-25晚8点地点：爱帮亚麻籽油品鉴会群主讲：台湾詹玉玲教授课程整理：邓小蓉美丽的大爱天使～一姐玉玲教授詹玉玲～亚麻籽油对妇科的重要性詹玉玲简介台北铭传大学博士台大营养学硕士新加坡伊莉莎白医院临床营养师台湾台北市立联合医院护理中心主任油调理慢性疾病专家她曾经饱受病魔折磨

卡蜜尔·2017-12-26 15:15

吴恩达机器学习笔记（一），含作业及附加题答案链接

吴恩达机器学习笔记（一）标签（空格分隔）：机器学习吴恩达机器学习笔记一一机器学习简介机器学习的定义监督学习非监督学习代价函数costfunction二梯度下降和线性回归gradientdescentandlinearregression

蚍蜉_·2017-12-09 00:00

科大讯飞执行总裁胡郁告诉我们，有学校试用人工智能系统批改作业后，学生进步显著。因为机器更能知道，你哪个题错了，是什么知识点没学好，之后对你实行个性化学习推荐。

本文根据胡郁在混沌研习社的课程整理而成，约15000字。演讲者｜胡郁（科大讯飞执行总裁、消费者事业群总裁

ai_wei·2017-12-07 22:24

吴恩达机器学习课程（一）之梯度下降原理

梯度下降法对于线性回归分析，我们将假设函数定义为h(x)=θ0+θ1x1+⋯+θnxn令x0=1，记x=(x0x1⋯xn),θ=⎛⎝⎜⎜⎜⎜θ0θ1⋮θn⎞⎠⎟⎟⎟⎟因为假设函数与参数θ有关，记hθ(x)=h(x)=xθ对于每一个训练样本X(i)=(xi0,xi1,⋯,xin)，假设函数与样本输出值存在误差hθ(Xi)−yi,那么损失函数定义为：J(θ)=12∑ni=1(hθ(Xi)−yi)2目标

gdutLHD·2017-12-07 21:48

机器学习第二章模型评估与选择笔记（前篇）

之前听吴恩达机器学习课程视频的时候，是先讲完一些常用的学习算法，然后再来谈及模型评估与选择这一部分，而西瓜书却刚好相反，一上来就先讲这一部分，周老师大概是觉得这一部分太重要了，上来就告诉你这部九阳神功最核心的心法

青雲-吾道乐途·2017-11-21 14:22

推荐频道

吴恩达机器学习课程整理