吴恩达机器学习：week1

Machine Learning - Coursera 吴恩达机器学习教程 Week1 学习笔记

机器学习的定义ArthurSamuel传统定义ArthurSamuel:“thefieldofstudythatgivescomputerstheabilitytolearnwithoutbeingexplicitlyprogrammed.”Thisisanolder,informaldefinition.让计算机无需明确编程，就有学习能力。TomMitchell现代定义TomMitchell:“
zhang35·2022-12-19 10:39

机器学习学习笔记week1

week11引言1.1机器学习是什么？1.2监督学习1.3无监督学习2单变量线性回归2.1模型表示2.2代价函数2.3代价函数的直观理解I2.4代价函数的直观理解II2.5梯度下降2.6梯度下降的直观理解2.7梯度下降的线性回归3线性代数回顾3.1矩阵和向量3.2加法和标量乘法3.3矩阵向量乘法3.4矩阵乘法3.5矩阵乘法的性质3.6逆、转置1引言1.1机器学习是什么？ArthurSamuel：在
yangqingao·2022-12-19 10:06

吴恩达机器学习:week2

title:‘吴恩达机器学习:week2’date:2019-11-2015:31:00mathjax:truecategories:机器学习tags:机器学习文章目录@[toc]单变量线性回归(LinearRegressionwithOneVariable
胖虎艾春辉·2022-12-19 10:05

吴恩达机器学习：week1

title:吴恩达机器学习：week1date:2019-11-0317:41:46categories:机器学习tags:机器学习第1周文章目录第1周1.1欢迎1.2机器学习是什么？
胖虎艾春辉·2022-12-19 10:35

机器学习测试Week1_1_Introduction

Week1|1_Introduction第1题AcomputerprogramissaidtolearnfromexperienceEwithrespecttosometaskTandsomeperformancemeasurePifitsperformanceonT
wangcong02345·2022-12-19 10:33

【学习笔记】Machine Learning.吴恩达 (Week1)

假期到了，趁此良机给自己充充电，选择了Coursera网站上的MachineLearning课程学习，本系列文章为个人学习笔记，主要记录一些自己觉得比较新鲜知识及思考，没有申请加入课程，也没有买下课程，所以只有免费的视频笔记。欢迎大家讨论交流。课程地址：Coursera|OnlineCourses&CredentialsFromTopEducators.JoinforFree|CourseraLe
无星之夜的咏叹调·2022-12-19 10:03

机器学习笔记week1

监督学习：需要数据集已有正确答案回归问题：预测连续值如：预测房价分类问题：预测离散值如：预测是否是恶性肿瘤监督学习工作方式trainingset->learningalgorithm->hypothesis-------------------------------------------------------------------------------------------------
sunsi_10·2022-12-19 10:32

【深度之眼】吴恩达《机器学习》作业——week1无监督学习

无监督学习与监督学习不同，无监督学习是指对没有标签的数据进行学习，或者说对没有正确答案的数据进行学习，一个例子如下所示。我们希望我们的机器学习算法能够自动的将图中的数据分为左下和右上这两类。类似这种探寻数据内在结构，通过算法对无标签数据进行划分族群的算法称为聚类分析。比如我们在网上看新闻的时候我们会发现类似的新闻会被归为一类，例如体育，娱乐，经济，政治等等。我们知道成数十万以上的新闻是不可能有标签
曹文杰1519030112·2022-12-19 10:01

Coursera机器学习吴恩达-Week1

机器学习定义ArthurSamuel(1959).MachineLearning:Fieldofstudythatgivescomputerstheabilitytolearnwithoutbeingexplicitlyprogrammed.使机器在没有明确编程上的研究领域具备学习的能力.TomMitchell(1998)Well-posedLearningProblem:Acomputerpro
ox180x·2022-12-19 10:00

[吴恩达机器学习课程笔记] week three 无监督学习

无监督学习定义在聚类问题中，我们给出一个训练集{x1,…,xm}，期望将数据分成一些有凝聚力的“簇”。这里的xi通常属于实数；但是数据集并没有标签y给出，所以这就是一个无监督学习问题。K-means算法最常用的基于欧式距离的聚类算法，其认为两个目标的距离越近，相似度越大。K的数量选择最好的办法：手动选择。牧师-村民模型K-means有一个著名的解释：牧师—村民模型：有四个牧师去郊区布道，一开始牧师
mossfan·2022-12-19 10:29

吴恩达Coursera课程——第一部分：监督学习Week1

本人ML小白一枚，知识的学习和笔记的整理也借鉴了多位大佬的知识，一起加油~~一、机器学习1、定义Tom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。监督学习:教会计算机完成某项任务。非监督学习：让计算机自己学习完成某项任务。案例:医疗、自动驾驶、读手语、音乐生成、自然语言处理的案例。2、监督学习给算法一个数据集，其中包含了正确
jqqjrr123·2022-12-19 10:57

Coursera Machine Learning Week1 学习笔记

注：本文已迁移到http://blog.csdn.net/JinbaoSite/article/details/66530136CourseraMachineLearningWeek1一、Introduction1.1机器学习（MachineLearning）第一个机器学习的定义来自于ArthurSamuel，他定义机器学习为在进行特定编程的情况下，给予计算机学习能力的领域。近年代的机器学习定义由
JinbaoSite0144·2022-12-19 10:56

吴恩达机器学习笔记week1——初识机器学习

吴恩达机器学习笔记week1——初识机器学习1-1.欢迎参加《机器学习》课程1-2.什么是机器学习？
Saulty·2022-12-19 10:55

【week1】深度学习与pytorch基础

week01深度学习与pytorch基础练习深度学习笔记深度学习深度学习概述pytorch的基础练习螺旋数据分类构建线性模型分类构建两层神经网络分类深度学习笔记人工智能的三个层面：计算智能：能存能算计算机具有快速计算和记忆存储的能力感知智能、能听会说、能看会认是目前人工智能的层面，类似于人的视觉、听觉、触觉认知智能：逻辑推理、认识理解、决策思考、机器学习的定义：最常用定义：计算机系统能够利用经验提
Coco珂·2022-12-19 10:54

week1第一个机器学习模型--线性回归模型

目录1机器学习定义2主要类型2.1监督学习2.2无监督学习3监督学习模型--回归模型3.1线性回归模型3.2监督学习过程3.3代价函数3.4梯度下降1机器学习定义使计算机无需明确编程即可学习的研究领域。亚瑟塞缪尔（1959）2主要类型监督学习（使用最多的机器学习类型）、无监督学习、强化学习2.1监督学习1、定义：监督学习是指学习从输入x到输出y的映射的算法。2、理解：是你给模型学习的数据中包括了正
今天你吃了吗a·2022-12-19 10:23

[Machinie Learning] 吴恩达机器学习课程笔记——Week5

MachineLearningbyAndrewNg吴恩达机器学习课程学习笔记——Week5本人学习笔记汇总合订本✓课程网址standfordmachinelearning参考资源课程笔记python版作业学习提纲
Carsick Car·2022-12-18 14:36

2022吴恩达机器学习课程——第二课（神经网络）

注：参考B站视频教程视频链接：【(强推|双字)2022吴恩达机器学习Deeplearning.ai课程】文章目录第一周一、神经元二、神经网络三、代码实现&Tensorflow四、前向传播五、强人工智能六
now_try_·2022-12-17 16:18

吴恩达机器学习3——逻辑回归、正则化

机器学习第三周一、逻辑回归1.分类问题1.1分类的概念1.2使用线性回归来解决分类模型1.3逻辑回归模型1.4分类边界2.逻辑回归模型logisticregression2.1代价函数2.2梯度下降2.3高级优化方法3.多类别分类：一对多二、正则化1.过拟合问题2.修改代价函数实现正则化3.正则化线性回归4.正则化逻辑回归一、逻辑回归1.分类问题在监督学习的分类中，我们了解到有回归问题和分类问题。
old sweet ᝰ·2022-12-17 15:19

[Machinie Learning] 吴恩达机器学习课程笔记——Week3

MachineLearningbyAndrewNg吴恩达机器学习课程学习笔记——Week3本人学习笔记汇总合订本✓课程网址standfordmachinelearning参考资源课程笔记python版作业学习提纲
Carsick Car·2022-12-17 08:08

【课程】Introduction to Data Science in Python Week 1

week1:PythonFundamentalsPythonDatesandTimesAdvancedPythonObjects,map()AdvancedPythonLambdaandListComprehensionsAdvancedPythonDemonstration
__一条秋刀鱼·2022-12-16 17:07

吴恩达机器学习python实现（6）：SVM支持向量机（文末附完整代码）

所有的数据来源：链接：https://pan.baidu.com/s/1vTaw1n77xPPfKk23KEKARA提取码：5gl21SupportVectorMachines1.1Preparedatasetsimportnumpyasnpimportpandasaspdimportmatplotlib.pyplotaspltimportseabornassb#更好的可视化封装库fromscip
TCQD·2022-12-16 16:28

吴恩达机器学习打卡day1

本系列文档按课程视频的章节（P+第几集）进行分类，记录了学习时的一些知识点，方便自己复习。课程视频P2图1介绍了机器学习的三个指标。分别是：experienceE,taskT&performancemeasureP。图1      图2介绍了机器学习的分类，主要有：Superivedlearning和Unsupervisedlearning,其他的还有Reinforcementlearning等等
学吧 学无止境·2022-12-16 06:10

吴恩达机器学习视频课笔记【第1-3章】

目录1机器学习的一些概念1.1基础概念1.2监督学习1.3无监督学习1.4模型的泛化能力1.5假设空间2模型相关知识点2.1模型描述2.2代价函数（costfunction）2.3梯度下降（Gradientdescent）2.4线性回归算法（Linearregression）3矩阵和向量typora使用数学公式(部分)1机器学习的一些概念1.1基础概念数据集datasetD={x1,x2,x3,…
反正没几根头发·2022-12-16 04:41

吴恩达机器学习课程-第一周

1.监督学习数据集中的每个样本都有相应的“正确答案”，再根据这些样本作出预测2.无监督学习数据集中没有任何的标签/有相同的标签，将数据分为不同的簇3.单变量线性回归3.1模型表示只含有一个特征/输入变量：hθ(x)=θ0+θ1(x)h_\theta(x)=\theta_0+\theta_1(x)hθ(x)=θ0+θ1(x)3.2代价函数选择的参数决定了直线相对于训练集的准确程度，模型所预测的值与训
J___code·2022-12-16 04:37

[吴恩达机器学习课程笔记] week four强化学习

强化学习定义强化学习（ReinforcementLearning,RL），又称再励学习、评价学习或增强学习，是机器学习的范式和方法论之一，用于描述和解决智能体（agent）在与环境的交互过程中通过学习策略以达成回报最大化或实现特定目标的问题。在强化学习框架中，我们将只提供我们的算法一个奖励函数，它指示学习代理何时做得好，当它做得不好。然后，学习算法的工作将是找出如何随时间选择行动，从而获得巨大的奖
mossfan·2022-12-16 04:35

2022吴恩达机器学习（三）| 无监督学习

目录系列文章目录一、聚类（Clustering）1.什么是聚类2.直观理解K均值算法（常用聚类算法）2.K均值算法3.优化目标4.随机初始化5.选择聚类数二、异常检测（AnomalyDetection）1.发现异常事件2.高斯分布/正态分布3.异常检测算法4.开发与评估异常检测系统5.异常检测和监督学习对比6.选择使用什么特征具体笔记编辑引用系列文章目录（一）监督机器学习：回归和分类（二）高级学习
江某1111号机·2022-12-16 04:33

2022吴恩达机器学习课程学习笔记（第二课第四周）

2022吴恩达机器学习课程学习笔记（第二课第四周）决策树模型学习过程纯度选择拆分：信息增益整合One-hot编码连续值特征回归树使用多个决策树有放回抽样随机森林XGBoost何时使用决策树决策树模型举例解释决策树是如何工作的
Ys能保研·2022-12-16 04:27

吴恩达《机器学习》笔记汇总

根据学习进度，将课程分为15部分进行笔记，具体内容如下：吴恩达机器学习（一）——简介吴恩达机器学习（二）——线性回归吴恩达机器学习（三）——Logisitic回归吴恩达机器学习（四）——正则化吴恩达机器学习
青春是首不老歌丶·2022-12-16 00:42

NEUQ-ACM week1

T1.h0094.乒乓球国际乒联现在主席沙拉拉自从上任以来就立志于推行一系列改革，以推动乒乓球运动在全球的普及。其中11分制改革引起了很大的争议，有一部分球员因为无法适应新规则只能选择退役。华华就是其中一位，他退役之后走上了乒乓球研究工作，意图弄明白11分制和21分制对选手的不同影响。在开展他的研究之前，他首先需要对他多年比赛的统计数据进行一些分析，所以需要你的帮忙。华华通过以下方式进行分析，首先
ove_z·2022-12-15 08:01

Matlab吴恩达机器学习编程练习ex5：正则化线性回归和偏差v.s. 方差Regularized Linear Regression and Bias v.s. Variance

本文基于吴恩达老师第六周的练习，在这次的练习中，你将会实现正则化的线性回归并且用它去实现不同的偏差和方差的性质。作业大纲1正则化线性回归1.1数据可视化1.2正则化线性回归代价函数1.3正则化线性回归梯度linearRegCostFunction.m1.4线性回归拟合2偏差-方差2.1学习曲线learningCurve.m3多项式回归polyFeatures.m3.1学习多项式回归3.3使用交叉验
Zhanghp947·2022-12-14 15:04

机器学习（一）监督学习和无监督学习

二、课程学习内容三、监督学习四、无监督学习总结Log2021.12.31寒假开始，开个新坑，记录一些机器学习的笔记，还是老样子放上本次资源，学习视频传送门：[中英字幕]吴恩达机器学习系列课程2022.01.01
竹清兰香·2022-12-14 03:43

我的学习体会

所以在这里我要强烈推荐几个学习资源：吴恩达机器学习深度学习视频,
我是chios·2022-12-13 08:54

我的深度学习过程，你可以借鉴我的方法，该方法对初学者友好

Beginner-friendlyDeepLearningProcess1.观看李飞飞和吴恩达的机器学习系列课程斯坦福李飞飞CS231n计算机视觉课程吴恩达机器学习系列课程2.Pytorch入门课程Pytorch
Anefuer_kpl·2022-12-13 08:20

python考研成绩_[ML2]根据考研初试成绩预测是否被录取_基于Logistic回归

学完了吴恩达机器学习的Logistic回归一章，事不宜迟，马上实战。我选择拿来练习的数据会尽量找手边的真实数据，这样才能真确地增加处理问题的能力。
weixin_39717152·2022-12-12 07:54

吴恩达机器学习Optional Lab - Neurons and Layers

最近自学机器学习，在实验时遇到这种错误nomodulenamed'tensorflow.keras'当出现这种错误时“nomodulenamed'tensorflow.keras”，搞了一天发现是版本问题，tensorflow2.0以下版本有些函数以及变量是没有的，导致其无法找到，从如下方式解决。1.首先更新包，这里用user主要是怕安装时出现权限问题导致失败pipinstall-user--up
一枚研究生狗·2022-12-12 03:27

[Machinie Learning] 吴恩达机器学习课程笔记——Week2

MachineLearningbyAndrewNg吴恩达机器学习课程学习笔记——Week2本人学习笔记汇总合订本✓课程网址standfordmachinelearning参考资源课程笔记python版作业学习提纲
Carsick Car·2022-12-11 23:06

10月24日-吴恩达机器学习P72-77

（一）理解大间隔分类器的数学原理1、向量内积的知识向量u的范数||u||等于向量u的长度，向量u表示在坐标轴上时其长度可以用这个根式表示。u向量乘以v向量等价于：v在u上的投影长度p乘以||u||，与u1v1+u2v2的结果是一样的。注意，在u与v的夹角大于90度时，p=1的条件其实也可以看作是向量θ与向量X的乘积，也等价于P乘以θ的范数。那么根据上面讲的，条件就可以等价改为P乘以θ的范数。而设定
浅浅ch·2022-12-10 21:35

10月25日-吴恩达机器学习P78-87

（一）K-Means优化目标1、K-Means的代价函数执行K-means算法时我们将追踪两组变量：一个是c(i)，它表示的是当前样本x(i)所属的那个簇的索引；一个是μk，它表示的是第k个聚类中心的位置，这里的k可以是1或2,…或K(一共要分为K个簇)。此外，我们用μc(i)表示x(i)所属的那个簇的聚类中心的位置。接下来就可以表示K-means算法的优化目标(代价函数)了：即1/m乘以每个样本
浅浅ch·2022-12-10 21:35

10月14日-吴恩达机器学习P1-4

（一）机器学习前言机器学习例子：数据库挖掘自动化/网络发展带来的大型数据集如：网页点击数据、病例、生物、工程不能手工编程的应用程序如：自动直升机、手写识别、大部分自然语言处理(NLP)、计算机视觉自我定制程序如：亚马逊、网飞的产品推荐（根据客户喜好学习推荐相关产品）理解人类学习（大脑，真实的AI）（二）机器学习算法分类1、监督学习（给定一些样本数据计算机由此学习）例1：房价预测问题（给出一些数据样
浅浅ch·2022-12-10 21:04

吴恩达机器学习笔记（1）

1.监督学习的过程将监督学习的数据集分为自变量（x）和因变量（y）。有监督学习算法的任务是，生成一个函数，将预测时需要用到的x输入进去，能输出相应的结果。2.代价函数以回归算法为例，设假设函数为hθ(x)=θ0+θ1∗xh_\theta(x)=\theta_0+\theta_1*xhθ(x)=θ0+θ1∗x,代价函数（costfunction）为J(θ0,θ1)=12m∑i=1m(hθ(x(i))
_晴·2022-12-10 19:58

吴恩达机器学习笔记-01

2022/6/2~2022/6/15文章目录一、单变量线性回归1.1模型表示1.2代价函数1.3梯度下降1.4梯度下降的线性回归二、多变量线性回归2.1多维特征2.2多变量梯度下降2.3梯度下降法实践1-特征缩放2.4梯度下降法实践2-学习率2.5特征和多项式回归2.6正规方程三、逻辑回归(LogisticRegression)3.1分类问题3.2假说表示3.3判定边界3.4代价函数3.5简化的代
Iron Bo·2022-12-10 14:09

吴恩达机器学习系列课程笔记——第十八章：应用实例：图片文字识别(Application Example: Photo OCR)

18.1问题描述和流程图https://www.bilibili.com/video/BV164411b7dx?p=108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：文字侦测（Textdetection）——将图片上的文字与其他环境对象分离开来字符切分（Charactersegmentation）——将文字分
Lishier99·2022-12-10 13:38

吴恩达机器学习----应用实例：图片文字识别

吴恩达机器学习教程学习笔记（16/16）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·2022-12-10 13:08

吴恩达机器学习笔记（十八）——机器图片识别(应用实例)

第十八章应用实例：图片文字识别(ApplicationExample:PhotoOCR)1、问题描述和流程图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（Charactersegmentation）——将文字分割成一
大鹏小站·2022-12-10 13:35

【吴恩达机器学习笔记】十七、总结

spm=1011.2415.3001.5343专栏定位：为学习吴恩达机器学习视频的同学提供的随堂笔记。专栏简介：在这个专栏，我将整理吴恩达机器学习视频的所有内容的笔记，方便大家参考学习。
Pandaconda·2022-12-10 13:04

吴恩达机器学习笔记week18——应用实例：Photo OCR

吴恩达机器学习笔记week18——应用实例：PhotoOCR18-1.问题描述与.OCR.pipelineProblemdescriptionandOCRpipeline18-2.滑动窗口Slidingwindows18
Saulty·2022-12-10 13:04

【吴恩达机器学习笔记】十六、应用实例：图片文字识别

spm=1011.2415.3001.5343专栏定位：为学习吴恩达机器学习视频的同学提供的随堂笔记。专栏简介：在这个专栏，我将整理吴恩达机器学习视频的所有内容的笔记，方便大家参考学习。
Pandaconda·2022-12-10 13:02

吴恩达机器学习学习笔记——Week 2——多元线性回归（Multivariate Linear Regression）

一、课件及课堂练习1.多个特征值（多变量）课堂练习：2.多元梯度下降课堂练习：3.梯度下降实践1——特征值缩放（均值归一化）课堂练习：4.梯度下降实践2——学习率课堂练习：5.特征数量及多项式回归课堂练习：6.标准方程课堂练习：7.标准方程法可能遇到不可逆问题二、内容概要1.多个特征值2.多元梯度下降3.梯度下降实践1——特征值缩放4.梯度下降实践2——学习率5.特征数量及多项式回归6.标准方程7
预见未来to50·2022-12-10 13:07

吴恩达机器学习笔记（3）——多变量线性回归（Multivariate Linear Regression）

一、多元线性回归的假设形式多元线性回归的假设可表示为：另外，我们定义一个额外的第0个特征向量x0=1，并将特征向量和参数都表示为矩阵形式，则方程变为：二、多元梯度下降法多元线性回归的代价函数为：其中，x(i)j=第i个训练样例中第j个特征量的值。PS：一些实用技巧（通过预处理，让初始的特征量具有同等的地位，才能让机器学习算法更快地学习得到它们的权重θ，这个预处理的过程我们称之为数据标准化（Norm
阿尔基亚·2022-12-10 13:35

【吴恩达机器学习】线性回归习题

一、单变量线性回归在单变量线性回归这一部分中，我们将使用一个变量实现线性回归，以预测食品卡车的利润。假设你是一家餐饮连锁店的老板，并且正在考虑在不同的城市开设新的门店。该连锁店已经在各个城市开了新的分店，并且你有这些城市的利润和人口数据。你想使用此数据来帮助你选择要扩展到的下一个城市。文件ex1data1.txt包含我们线性回归问题的数据集。第一列是城市的人口，第二列是该城市的餐车的利润，利润的负
腾叔·2022-12-10 08:38
上一页 7 8 9 10 11 12 13 14 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他