吴恩达机器学习：week1

章节7_Logistic回归_《吴恩达机器学习》学习笔记

章节7有的时候我们遇到的问题并不是线性的问题，而是分类的问题。比如判断邮件是否是垃圾邮件，信用卡交易是否正常，肿瘤是良性还是恶性的。他们有一个共同点就是Y只有两个值{0,1}，0代表正类，比如肿瘤是良性的；1代表负类，比如肿瘤是恶性的。当然你想用1代表良性也可以，而且输出的值不仅仅局限为0和1两类，有可能还有多类，比如手写体识别是从0到9。如果使用线性的方法来判断分类问题，就会出现图上的问题。我们
jimleelcc·2023-09-07 12:44

【吴恩达机器学习】第三周—逻辑回归、过拟合、正则化

31.jpg1.分类问题（Regression）在分类问题中，你要预测的变量是离散的值，我们将学习一种叫做逻辑回归(LogisticRegression)的算法，这是目前最流行使用最广泛的一种学习算法。顺便说一下，逻辑回归算法是分类算法，我们将它作为分类算法使用。有时候可能因为这个算法的名字中出现了“回归”使你感到困惑，但逻辑回归算法实际上是一种分类算法，它适用于标签取值离散的情况，如:1001。
Sunflow007·2023-09-06 17:55

【目标营--4周行动计划】Week 1 复盘

有关于事业营9周行动计划，请见：【9周行动计划】Week9大复盘Week1:08.10-08.16每周复盘(A)本周我实际做了这些行动:1)目标营顺利结营--完成小组长所有职务；完成学员复盘；完成工作组
抹香菁·2023-09-05 02:58

机器学习入门笔记1

目前主要跟着B站的2022吴恩达机器学习课程并完成相应的练习作业文章目录基础知识ApplicationsDefinitionSupervisedlearningUnsupervisedlearningLinearRegressionModel
lonyhai·2023-09-04 14:27

Week1：用两个栈实现队列

1️⃣题目描述用两个栈实现一个队列。队列的声明如下，请实现它的两个函数appendTail和deleteHead，分别完成在队列尾部插入整数和在队列头部删除整数的功能。(若队列中没有元素，deleteHead操作返回-1)示例1：输入：["CQueue","appendTail","deleteHead","deleteHead","deleteHead"][[],[3],[],[],[]]输出：
一去不复返的通信er·2023-09-04 04:11

使用python参加数学建模（Week1：线性规划）

1.求解方法、算法和编程方案线性规划（LinearProgramming，LP）是很多数模培训讲的第一个算法，算法很简单，思想很深刻。线性规划问题是中学数学的内容，鸡兔同笼就是一个线性规划问题。数学规划的题目在高考中也经常出现，有直接给出线性约束条件求线性目标函数极值，有间接给出约束条件求线性目标函数极值，还有已知约束条件求非线性目标函数极值问题。因此，线性规划在数学建模各类问题和算法中确实是比较
willow Creek·2023-09-01 19:31

【9周行动计划】Week 9 大复盘

准备周的行动计划请见：9周行动计划（A9Plan）Week1复盘请见:【9周行动计划】Week1复盘Week2复盘请见:【9周行动计划】Week2复盘Week3复盘请见:【9周行动计划】Week
抹香菁·2023-09-01 09:27

NewStarCTF 2022 web方向题解 wp

----------WEEK1----------BUUNewStarCTF公开赛赛道WEEK1[NotPHP]先看题目，要传参加绕过。
Jay 17·2023-08-30 17:46

吴恩达机器学习——正则化

7.1过拟合的问题过拟合问题简单来说就是泛化能力差：所建的机器学习模型在训练样本中准确率很高，在验证数据集中准确率低——也就是说模型难以推广到新的数据。下图是一个回归问题的例子：第一个模型是一个线性模型，欠拟合，不能很好地适应我们的训练集；第三个模型是一个四次方的模型，过于强调拟合原始数据，而丢失了算法的本质：预测新数据。我们可以看出，若给出一个新的值使之预测，它将表现的很差，是过拟合，虽然能非常
SCY_e62e·2023-08-29 00:26

专题2-改善深层神经网络：超参数调试、正则化以及优化Week1

Week1深度学习的实用层面1.训练、开发、测试集应用深度学习是一个典型的迭代过程，需要多次循环往复，即使是经验丰富的专家也不可能在问题一开始就准确确定参数/超参数的合适取值。
xiaobaoma·2023-08-28 06:27

【9周行动计划】Week 2 复盘

准备周的行动计划请见：9周行动计划（A9Plan）Week1复盘请见:【9周行动计划】Week1复盘(A)本周我要培养的好习惯是:“说到做到”和“100%负责“(B)本周我计划做的重点行动
抹香菁·2023-08-25 15:15

Kotlin Weekly 中文周报——122

KotlinWeekly中文周报TheadventofKotlin2018,week1(blog.kotlin-academy.com)Kotlin2018年的到来，第1周MarcinMoskalaannouncesweeklyKotlinprogrammingchallenges.Atthebeginningofeachweek
DoubleThunder·2023-08-25 13:48

【吴恩达机器学习】第六周—机器学习系统设计

31.jpg1.应用机器学习的建议1.1下一步做什么仍然使用预测房价的学习例子，假如你已经完成了正则化线性回归，也就是最小化代价函数J的值，假如，在你得到你的学习参数以后，如果你要将你的假设函数放到一组新的房屋样本上进行测试，假如说你发现在预测房价时产生了巨大的误差，现在你的问题是要想改进这个算法，接下来应该怎么办？获得更多的训练实例——通常是有效的，但代价较大，下面的方法也可能有效，可考虑先采用
Sunflow007·2023-08-21 22:16

吴恩达机器学习2011版本学习笔记

这是看完视频后，按自己的理解做了笔记。监督学习学的比较认真，33之后的无监督学习心态已经浮躁了，以后要再学一遍2022最新版视频课。1，有正确答案是有监督学习，反之是无监督学习2，模型就是把训练数据拟合为一个公式(严格来说是个函数，关系)。入门的拟合的方法是最小二乘法，先假设一个公式，代入不同系数，然后再把训练数据的x依次代入求y，然后看y与训练数据的正确答案的方差。这样假设的系数作z，与结果方差
zhaot1993·2023-08-19 21:05

20211113 写作练习开篇 Week 1

20211113写作练习开篇Week1秋季迎来了写作陪伴营。很开心可以重新复习笑来老师的写作课，延续今年初为期近两个月的写作训练营练习。
Raye_cd45·2023-08-18 14:47

PrivacyIN Week1课程回顾 | 张宇鹏博导开讲零知识证明密码学基础&研究导论

转自：PrivacyIN隐私学院前言隐私学院【PrivacyIN】第一期ZK训练营课程精讲内容上线啦，本期课堂邀请到美国德州农工大学（TexasA&MUniversity）计算机科学与工程学院的助理教授张宇鹏，主要介绍ZK理论及相关应用，课堂主题为《BasicsofZKCryptography&ResearchOverview》。此次授课采取小班授课，邀请了数十名来自国内外密码学及相关领域的专家学
PlatON技术团队·2023-08-16 08:08

Week1题目重刷

今天把week1的题目都重新刷了一遍，明天开始week2的内容~704.二分查找classSolution{publicintsearch(int[]nums,inttarget){intl=0,r=nums.length
peach2580·2023-08-14 21:51

半导体与PN结

文章目录每周电子Week1——半导体与PN结半导体本征半导体杂质半导体PN结异性半导体接触现象PN结的单向导电性PN结的击穿PN结的电容效应每周电子Week1——半导体与PN结今天开始，将给大家重头开始讲解电子电气
CagePan·2023-08-14 15:43

机器学习（一）模型三要素

模型迭代要求4.策略阶段要点（三）优化算法：1.普通参数2.超参数二、深度学习改变了什么1、大规模数据性能提升可观2、隐式特征学习--AE本文是对李航博士《机器学习方法》，邱锡鹏博士的《神经网络与深度学习》，吴恩达机器学习课程
元吉光·2023-08-14 05:43

吴恩达机器学习笔记（二）

模型描述：根据房间的大小（平方数）预测其能售卖出的价格1、监督学习（每个例子都有一个正确的输出值）1.1、回归问题，可以预测一个准确的数值输出1.2、分类问题，可以预测离散值输出（只有0和1的离散值输出）2、训练集（trainingset）：在监督学习中提供“参考”的数据集合三个要素：训练集的数量，输入变量，输出变量训练样本（trainingexample）：（x^(i),y^(i)）第i个训练样
五大人·2023-08-12 02:26

吴恩达机器学习笔记（自用）

吴恩达机器学习机器学习的定义什么是机器学习？
cosθ·2023-08-09 06:02

5月week1 文献阅读：TheCancerCell Line Encyclopedia enables predictive modelling of anticancer drug sens...

5月week1文献阅读：TheCancerCellLineEncyclopediaenablespredictivemodellingofanticancerdrugsensitivity癌症细胞系百科全谱确立模型预测抗癌药物敏感性
米妮爱分享·2023-08-09 03:29

NEUQ-ACM预备队训练-week1(模拟与高精度)

1.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，首先将比赛每个球的
唏嘘南溪·2023-08-07 21:06

第十四章 无监督学习

该系列文章为，观看“吴恩达机器学习”系列视频的学习笔记。虽然每个视频都很简单，但不得不说每一句都非常的简洁扼要，浅显易懂。非常适合我这样的小白入门。
tomas家的小拨浪鼓·2023-08-07 01:24

Coursera C++ Part A [Week2] Class and Generics

CourseraC++PartA[Week1]https://www.jianshu.com/p/6c1d07763275Week1了解了C++和C的基本区别，Week2开始介绍类week2OverviewC
小啾Kris·2023-08-05 15:02

[Week1]双指针算法

Week1/2刷题（7.9-7.23）复杂度理论与双指针算法入门必须熟练掌握的两个排序算法二分法三种双指针算法相向双指针(判断回文串)背向双指针(最长回文串)同向双指针ValidPalindrome:https
greatfulltime·2023-08-03 22:10

Python习题week1

知识点1：输入变为浮点数：score=input("请输入成绩：")score=float(score)1题目：利用条件运算符的嵌套来完成此题：学习成绩>=90分的同学用A表示，60-89分之间的用B表示，60分以下的用C表示。"""File:4学习成绩等级.pyAuthor:chde_wangDate:2020-07-22-23-16Description:判断学生成绩等级"""score=in
chde2Wang·2023-08-03 20:09

吴恩达机器学习课程笔记-(1)监督学习、无监督学习(Supervised Learning and Unsupervised Learning)

1、监督学习、无监督学习(SupervisedLearningandUnsupervisedLearning)1.1机器学习是什么？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。—TomMitchallAcomputerprogramissaidtolearnfromexperienceEwithrespecttos
Jorunk·2023-08-02 15:35

week1已学内容总结

week1-4第一章Android基础入门Android简介通信技术1G2G3G4G5GAndroid发展历史android发展史1.pngandroid发展史2.pngAndroid体系结构Android系统采用分层架构，由高到低分为4层，依次是应用程序层，应用程序框架层，核心类库和Linux内核Dalvik虚拟机Dalvik虚拟机是Google公司设计用于Android平台的虚拟机，其指令集基
Thestarxc·2023-07-30 06:42

践行收获#易效能Week1

我是谁？姓名：安素三个标签：1.健康睡眠公司的一名IT从业者，擅长数据治理，项目管理，团队赋能。2.为健康和美而食的臻品牌合伙人，传播健康饮食理念，致力于变美变好看3.终身学习践行者，爱亲子教育，爱亲密关系，更爱自我成长易效能是什么？易效能是中国的时间管理机构，拥有易效能注册商标和易效能时间管理系统知识产权。易效能致力于影响一亿人提升效能。5年来，在全球14个国家和地区50城，足迹遍布中国大陆等.
安素Vickey·2023-07-30 04:16

吴恩达机器学习笔记（3）

多变量线性回归：问题：根据多个属性，如房子面积，房子楼层，房子年龄等估计房子的价格多变量线性回归中的变量多变量线性回归的假设此时有多个特征,i对应不同的特征值，如房子面积，楼层，年龄等，参数为一个n+1维向量多变量线性回归中的梯度下降，对每一个参数求偏导数从而得到不同参数的梯度参数特征缩放——加速梯度下降过程收敛到最优值多变量梯度下降时，参数的取值要尽量小在多多变量梯度下降中，要让不同参数的取值范
魏清宇·2023-07-30 01:52

异常检测算法

anomaly-detection-resources7.吴恩达机器学习中文版笔记：异常检测（AnomalyDetection）
夕宝爸爸·2023-07-30 00:55

week1 -learn python 5 字典功能

以下代码中运用了字典功能，用于计算文本中字符串出现的频率；其中{}代表创建一个可填入的dictionary，类似于array#InsertyourcompletedFrequencyMap()functionhere.defFrequencyMap(Text,k):#yourcodeherefreq={}#代表字典n=len(Text)foriinrange(n-k+1):Pattern=Text
温简书13·2023-07-27 23:59

吴恩达机器学习打卡day6

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P54图1表示求导数的原理。图1 图2将图1推广到有n个参数变量的情况。图2 图3提出了一些注意事项。图3 课程视频P55图4表示了求导时的一些特殊规律。图4 课程视频P56图5给出了选择神经网络层数的一些规律，通常中间层的层数要大于等于输入层的特征变量数量。图5 **图6给出了训练神经网络的操作步骤
不学了，删库跑路·2023-07-24 21:15

裸辞周记Week1：休息与调整

0系列来源正式离职到今天一周多了，这段时间主要是休息期。除了娱乐和聚会之外，就是制定了接下这段时间的计划。为了督促自己执行和定期回顾调整计划，因此开这样一个系列文章，记录自己每周所做所思所获。本篇为第一周周记，在开篇之前，简单描述下自己的规划。综合各方面因素，给自己这段休整期限为半年。这半年有三个目标通过考试：通过两个专业考试成功转行：学习转行知识&成功找到工作健康生活：学会做饭&坚持运动为了达到
静夏安好·2023-07-24 16:53

吴恩达机器学习-logistic回归

logistic回归—离散变量的分类问题（0,1）分类，通常0表示“没有某样东西”，1表示“有某样东西”如有癌症，是垃圾软件等上图所示是一个（0,1）分类问题，当y的取值为{0,1,2,3}时，就变成一个多分类问题线性回归拟合而分类问题上述问题是一个肿瘤预测问题，根据肿瘤的大小判断肿瘤是良性还是恶性的，当数据显示如图时，使用线性回归似乎是合理的肿瘤大小小于0.5对应的那个值时肿瘤为良性，大于时为恶
魏清宇·2023-07-22 20:28

Coursera C++ Part B [Week1] C++进阶

C++PartB是C++进阶课程，bf课程网址https://www.coursera.org/learn/c-plus-plus-b/home/welcomecourseoverviewIntroductiontotheSTLlibraryIteratorcategoriesandexamplesContainersandalgorithmsLambdaexpressions,functions
小啾Kris·2023-07-20 23:10

吴恩达机器学习2022-Jupyter

1可选实验室:多变量线性回归在这个实验室中，您将扩展数据结构和以前开发的例程，以支持多个特性。一些程序被更新使得实验室看起来很长，但是它对以前的程序做了一些小的调整使得它可以很快的回顾。2目标扩展我们的回归模型例程以支持多个特性扩展数据结构以支持多个特性重写预测，成本和梯度例程，以支持多个功能利用NumPynp.dot向量化它们的实现，以提高速度和简单性在这个实验室里，我们将利用:NumPy，一个
KAY金·2023-07-18 06:40

吴恩达机器学习笔记（5）—— 神经网络

又摸鱼摸了好久，终于开学了，不能再摸鱼了，这学期课都是嵌入式开发方面的，我给自己的电脑买了个新硬盘装了Linux，不再像以前在虚拟机里小打小闹了，折腾了好几天的新系统，现在有时间写新的笔记了。这次给大家带来的是神经网络，比较难，我可能写的也不是太明白，就看看吧。非线性假设其实神经网络是一个很古老的算法，不过在很长的一段时间内受计算机的机能所限，这个算法没有太大的进展。直到了现在，计算机的飞速发展，
机智的神棍酱·2023-07-17 06:15

【吴恩达机器学习】第七周—SVM支持向量机与核函数

31.jpg1.支持向量机SupportVectorMachines1.1介绍在分类问题中，除了线性的逻辑回归模型和非线性的深度神经网络外，我们还可以应用一种被广泛应用于工业界和学术界的模型—支持向量机，简称SVM，与逻辑回归和神经网络相比，支持向量机在学习复杂的非线性方程时提供了一种更为清晰，更加强大的方式。尽管现在深度学习十分流行，了解支持向量机的原理，对想法的形式化、简化、及一步步使模型更一
Sunflow007·2023-07-16 16:08

Week1复盘

暑假结束，新学期来临，第五个教学年，也是奔三前的最后一年，用复盘记录，让时间看得见。九月生命之花开学第一周似乎特别长，因为连上报道日，像是九天的一周。这一周忙碌而充实，一切都是新发而充满生机。✔️办公室:-新接触的岗位，关于考勤、关于公文流转、关于档案，一切都要学习。-todolist聘书统计（看似很小的一件事，一个个统计下来居然花了整整一上午）文明校园档案创建（想起大学在秘书处，都是我检查别人的
灬梁小沫·2023-07-16 03:48

Week1云计算从0到1学习-感谢公司给我这个机会

第一次接触云计算，小白打卡。熟悉公司的shell脚本，深入学习。不懂的东西就去百度。倒叙查看文档内容，即按照周维度最新的学习内容写在最上方week2学习笔记见最新博客Week2云计算从0到1学习Week1Q&AQ1：K8S为啥要引入pod这么个概念呢？Kubernetes（请教了专业人士，为啥叫k8s，因为k和s中间是8个字母，并不是音译）是用来管理容器集群的平台。既然是管理集群，那么就存在被管理
东方狱兔·2023-07-16 01:39

吴恩达机器学习2022-Jupyter-用scikitlearn实现线性回归

1可选实验:使用Scikit-Learn进行线性回归有一个开源的、商业上可用的机器学习工具包，叫做scikit-learn。本工具包包含您将在本课程中使用的许多算法的实现。1.1工具您将利用scikit-learn以及matplotlib和NumPy中的函数。2线性回归封闭式解决方案Scikit-learn的线性回归模型实现了一种封闭式的线性回归。让我们使用早期实验室的数据——一栋1000平方英尺
KAY金·2023-07-15 16:41

吴恩达机器学习2022-Jupyter-Scikit-Learn教学

1可选实验室:线性回归使用Scikit-Learn有一个开源的、商业上可用的机器学习工具包，叫做scikit-learn。本工具包包含您将在本课程中使用的许多算法的实现。1.1目标在这个实验室里:利用scikit-学习使用线性回归梯度下降法来实现1.2工具您将利用scikit-learn以及matplotlib和NumPy中的函数。2梯度下降Scikit-learn有一个梯度下降法回归模型skea
KAY金·2023-07-15 16:41

吴恩达机器学习2022-Jupyter-用scikitlearn实现逻辑回归

1.1目标使用scikit-learn培训Logit模型模型。1.2数据集importnumpyasnpX=np.array([[0.5,1.5],[1,1],[1.5,0.5],[3,0.5],[2,2],[1,2.5]])y=np.array([0,0,0,1,1,1])1.3Fit模型下面的代码导入了scikit-learn的Logit模型模型。您可以通过调用fit函数将此模型适合于训练数据
KAY金·2023-07-15 16:39

吴恩达机器学习2022-Jupyter1可选实验室: Python 和 Jupyter 笔记本简介

欢迎来到第一个可选实验室！可供选择的实验室包括:提供信息-比如这个笔记本以实际例子加强课堂教材提供分级实验室常规的工作实例1.1目标在本实验中，您将:对Jupyter笔记本进行简要介绍，参观Jupyter笔记本，了解标记单元格和代码单元格之间的区别，练习一些基本的python熟悉Jupyter笔记本最简单的方法就是参观上面的帮助菜单帮助菜单本课程中使用的Jupyter笔记本有两种类型的单元格。诸如
KAY金·2023-07-15 09:37

吴恩达机器学习2022-Jupyter-机器学习实例

1可选实验:特征工程和多项式回归1.1目标在这个实验室里:探索特征工程和多项式回归，它可以让你使用线性回归机制来适应非常复杂，甚至非常非线性的函数。1.2工具您将利用在以前的实验中开发的函数以及matplotlib和NumPy。2特征工程与多项式回归综述线性回归提供了一种模型方法，公式形式为:如果您的特性/数据是非线性的或者是特性的组合，该怎么办？例如，住房价格往往不与居住面积成线性关系，而是对小
KAY金·2023-07-15 08:00

吴恩达机器学习2022-Jupyter

1可选实验室:Python、NumPy和矢量化简要介绍本课程中使用的一些科学计算。特别是NumPy科学计算包及其与python的使用。2目标在这个实验室里将回顾课程中使用的NumPy和Python的特性。Python是本课程中使用的编程语言。NumPy库扩展了python的基本功能，添加了更丰富的数据集，包括更多的数值类型、向量、矩阵和许多矩阵函数。NumPy和python相当无缝地协同工作。Py
KAY金·2023-07-15 08:15

吴恩达机器学习2022-Jupyter特征缩放

1可选实验室:特征缩放和学习率(多变量)1.1目标在这个实验室里:利用前一实验室开发的多变量线性回归模型程序在具有多种功能的数据集上运行梯度下降法探讨学习速度alpha对梯度下降法的影响通过使用z分数标准化的特征缩放来提高梯度下降法的性能1.2工具您将使用在上一个实验中开发的函数以及matplotlib和NumPy。importnumpyasnpnp.set_printoptions(precis
KAY金·2023-07-15 08:15

week1

第1周目录第1周引言(Introduction)1.1欢迎1.2机器学*是什么？1.3监督学*1.4无监督学*二、单变量线性回归(LinearRegressionwithOneVariable)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2.8接下来的内容三、线性代数回顾(LinearAlgebra
小小白？·2023-07-15 08:42
上一页 1 2 3 4 5 6 7 8 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他