吴恩达机器学习：week1 第9页

吴恩达机器学习笔记：（二）代价函数

代价函数本例中如下图所示：代价函数实际目的是为了通过寻找θ1，θ2两个参数实现拟合的直线最接近数据点。本例中代价函数的定义θ1，θ2寻找θ1，θ2参数最优值寻找θ1的最优解当θ1=1时当θ1=0.5时当θ1=0时如上图右侧所示，寻当θ1的最优解相当于寻找曲线偏导数等于零的点上图为两个参数同时作用时候生成的数据三维图下图为数据对应的等高线：通过实际数据测试发现当在等高线最中央时拟合的直线最接近数据集

时间之里·2023-01-18 12:04

吴恩达机器学习课程笔记(英文授课) Lv.1 新手村（回归）

玉一·2023-01-18 12:01

吴恩达机器学习课程笔记

吴恩达机器学习课程笔记学习视频第1章1-2什么是机器学习1-3监督学习(supervisedlearningalgorithm)1-4无监督学习(unsupervisedlearningalgorithm

那胖手在星球表面缓慢移动·2023-01-18 11:24

吴恩达机器学习笔记（七）：代价函数

吴恩达机器学习笔记（七）：代价函数Regularizedlinearregression如前言所述，正则化为了让模型更好地切合数据，同时降低过拟合的可能。

BANKA1_·2023-01-18 11:53

吴恩达机器学习课程笔记：模型描述、假设函数、代价函数

1.吴恩达机器学习课程笔记：模型描述、假设函数、代价函数吴恩达机器学习课程笔记：模型描述吴恩达机器学习课程笔记：代价函数仅作为个人学习笔记，若各位大佬发现错误请指正什么是模型？

Uncertainty!!·2023-01-18 11:19

Python学习：常用模块（二）

os.chdir()#改变当前工作目录os.curdir()#返回当前目录（'.'）os.pardir()#获取当前目录的父目录字符串名（'..'）os.makedirs()#生成多层递归目录（'April\\Week1

普通网友·2023-01-17 16:56

【吴恩达机器学习笔记】第1周 - 线性回归与代价/成本函数

机器学习的模式用训练集的数据，匹配一种算法，生成一个函数（h），这个函数可以输入x，产出y所以机器学习的关键在于：1、选择正确的算法，选择算法之后，函数h的形态就确定了，但是参数未知2、确定函数h的参数值：监督学习：通过训练集的x和y，共同确定参数值无监督学习：通过训练集的x，确定参数值（还没搞懂）最简单的算法：一元线性回归(LinearRegression）相同的算法，不同的参数值：代价/成本函

Sun_Weiss·2023-01-17 09:01

如何在B站读一个深度学习的研究生？

越来越多人涌入这个领域，同时市面上的资料也是百花齐放，但是真正有价值的资料其实并不多，并且出品于大佬们的手这篇blog将会带领你在b站读一个深度学习的研究生保姆级清单，喜欢的话请点个赞~机器学习入门：吴恩达机器学习

爱睡觉的Raki·2023-01-16 21:59

1-吴恩达机器学习Deeplearning.ai课程，监督学习

(强推|双字)2022吴恩达机器学习Deeplearning.ai课程【公开课】最新斯坦福李飞飞cs231n计算机视觉课程【附中文字幕】AI应用搜索引擎社交图片分享，分类电影推荐语音识别垃圾邮件识别气候变化优化风力发电医疗诊断工业质检自动驾驶通用

愚昧之山绝望之谷开悟之坡·2023-01-16 17:33

吴恩达机器学习课程笔记：监督学习、无监督学习

1.吴恩达机器学习课程笔记：监督学习、无监督学习吴恩达机器学习系列课程：监督学习吴恩达机器学习系列课程：无监督学习仅作为个人学习笔记，若各位大佬发现错误请指正机器学习的学习算法：监督学习、无监督学习、半监督学习

Uncertainty!!·2023-01-16 17:31

毕业设计Week1

图片源于网络，若有侵权，联系删除。这次学习分为了2个部分。第一个部分是视频学习部分，第二个部分是代码学习部分。Part1视频学习视频1引论1️⃣图灵测试在黑盒外判断盒内是一个人还是一个机器。Ex：验证码系统。2️⃣GAN二战中盟军破解了德国的Enigma系统：通过模拟Enigma密码生成的过程来破解，这种思路体现在了今天的对抗式生成网络（GAN）中。Keywords：深度学习模型，无监督学习，（至

：好好好·2023-01-16 09:11

week1模拟与高精度

模拟：将现实生活中的情况转化为程序中的过程和变量即把现实规则规范为编程预言。尽量把每个部分模块化，写成函数、结构体或类。例题：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

Eyumbo·2023-01-16 09:40

week1 plan——让小车平衡起来

1.阶段一独立测试LM298P电机驱动，MPU6050陀螺仪模块读工程代码，组装两个模块导入Demo实现联合调试

Railphone·2023-01-16 09:40

吴恩达机器学习课程个人笔记（一）

课程传送门：List机器学习的定义：对于跳棋游戏来说，经验E就是电脑与自己下了数万次的跳棋游戏，任务T则是玩跳棋，那么性能度量P就是与新手下跳棋时赢的概率。下面是一个小问题：监督学习在例子中，给出了实际真实的、正确的数据样本，即房子卖价，而算法目的就是给出更多的正确答案，即为卖家估出750大小的房间价格；同时，这也是一个回归问题，给出连续数值的输出。在例子中，这属于一个分类问题，即离散值的输出，只

Dawning_2l·2023-01-16 08:08

超详细解析——吴恩达机器学习第三周作业Logistic Regression（逻辑回归）（Python实现）

文章目录一、LogisticRegression1.1Visualizingthedata1.2Implementation1.2.1SigmoidFunction1.2.2Costfunctionandgradient1.2.3Learningparametersusingfminunc1.2.4Evaluatinglogisticregression二、Regularizedlogisticr

Lucien Anderson·2023-01-16 08:40

【吴恩达机器学习】第五章多变量线性回归

多功能多变量线性回归就是多特征量的情况下的假设形式，也就是用多个变量来预测Y值。下图为多变量线性回归的假设形式，即hθ（x）=θTx=θ0x0+θ1x1+θ2x2+...+θnxnh_θ（x）=θ^Tx=θ_0x_0+θ_1x_1+θ_2x_2+...+θ_nx_nhθ（x）=θTx=θ0x0+θ1x1+θ2x2+...+θnxn(其中x_0=1)多元梯度下降法上一课时我们知道了多变量线性回归的假

zxfhahaha·2023-01-15 12:28

机器学习（正在更新）

目录自己疑问-----容易错误的点：训练集、验证集、测试集训练集验证集测试集以下视频地址：[中英字幕]吴恩达机器学习系列课程_哔哩哔哩_bilibili第二章2.1线性回归2-2代价函数（类似误差一样）

小小怪将军！·2023-01-15 11:23

吴恩达机器学习课程笔记（持续更新ing）

1.1什么是机器学习？定义：机器学习是用数据或以往的经验，以此优化计算机程序的性能标准。解释：计算机程序从经验E中学习，解决某一任务T，进行某一性能度量P，通过P测定在T上的表现因经验E而提高。例如：跳棋游戏E：程序与自己下几万次跳棋T：玩跳棋P：与新对手玩跳棋时赢的概率1.2监督学习定义：给算法一个数据集，其中包含了正确答案，算法的目的就是给出更多的正确答案。回归问题：目的：预测连续的数值例如：

最爱吃兽奶638·2023-01-15 11:15

2022吴恩达机器学习specialization Week 2 practice lab: Linear regression

Exercise1#UNQ_C1#GRADEDFUNCTION:compute_costdefcompute_cost(x,y,w,b):"""Computesthecostfunctionforlinearregression.Args:x(ndarray):Shape(m,)Inputtothemodel(Populationofcities)y(ndarray):Shape(m,)Label

wuuucj·2023-01-15 11:06

深度学习基础——week1

更好的阅读体验PyTorch什么是PyTorch(来自官方文档)PyTorch是基于以下两个目的而打造的python科学计算框架：无缝替换NumPy，并且通过利用GPU的算力来实现神经网络的加速。通过自动微分机制，来让神经网络的实现变得更加容易。Tensor（张量）张量如同数组和矩阵一样,是一种特殊的数据结构。在PyTorch中,神经网络的输入、输出以及网络的参数等数据,都是使用张量来进行描述。张

-meteor-·2023-01-14 11:44

Andrew Ng's Coursera Machine Leaning(ML) Notes Week1

AndrewNg’sCourseraMachineLeaning(ML)CourseNotesWeek1Author:Yu-ShihChenDecember20,201812:50AMIntro：本人目前是在加州上大学的大二生，对人工智能和数据科学有浓厚的兴趣所以在上学校的课的同时也喜欢上一些网课。主要目的是希望能够通过在这个平台上分享自己的笔记来达到自己更好的学习/复习效果所以notes可能会有

weixin_44165766·2023-01-14 11:14

Andrew Ng Machine Learning notes - Course1 Week1

Course1:SupervisedMachineLearning:RegressionandClassificationWeek1:IntroductiontoMachineLearningsupervisedlearningv.s.unsupervisedlearningsupervisedlearning:algorithmsthatlearnxtoy.giveyourlearningalg

qq_42949310·2023-01-14 11:31

【机器学习笔记】《统计学习方法》第二章感知机+随机梯度下降法

有学习需求请绕道，参考吴恩达机器学习或以上书籍，讲得比大多数博客好。概念感知机(perceptron)是二类分类的线性分类模型，其输入为实例的特征向量，输出为实例的类别，取+1，-1二值。

Baolar_Code·2023-01-13 22:30

吴恩达机器学习ex7 python实现

K-Means聚类我们将实施和应用K-means到一个简单的二维数据集，以获得一些直观的工作原理。K-means聚类算法2维实现寻找最近的聚类中心我们要实现的第一部分是找到数据中每个实例最接近的聚类中心的函数。importnumpyasnpimportpandasaspdimportmatplotlib.pyplotaspltimportseabornassbfromscipy.ioimportl

枸杞仙人·2023-01-13 09:41

吴恩达机器学习 12.异常检测

异常检测1.问题的动机什么是异常检测？假想你是一个飞机引擎制造商，当你生产的飞机引擎从生产线上流出时，你需要进行QA(质量控制测试)，而作为这个测试的一部分，你测量了飞机引擎的一些特征变量，比如引擎运转时产生的热量，或者引擎的振动等等这样一来，你就有了一个数据集，从x(1)x^{(1)}x(1)到x(m)x^{(m)}x(m)，如果你生产了m个引擎的话，你将这些数据绘制成图表，看起来就是这个样子：

smile~。·2023-01-12 20:19

C语言编程入门—基本输入输出（week1）

希望这篇文章可以帮助到大家~问题A:【C语言1】【实验1】【实验内容】【2】李四的邮箱题目描述编写一个程序，用一个printf()语句，输出某人的姓名和email地址，中间用2个空格分隔。程序运行后的输出效果如下：李四[email protected]输入无输出李四[email protected]样例输入无样例输出李四[email protected]带填充标签的C/C++原程序@#1//引入基本输入

Извините.·2023-01-12 13:12

机器学习笔记（继续更新）

学习内容跟随“吴恩达机器学习系列课程”。

M有在认真学习·2023-01-11 09:00

吴恩达---机器学习的流程（持续更新）

参考：吴恩达机器学习的视频视频链接：[中英字幕]吴恩达机器学习系列课程_哔哩哔哩_bilibili本文用于我自己的内容总结以及层次理解。

M有在认真学习·2023-01-11 09:30

吴恩达机器学习第四周学习笔记及编程作业答案

一、理论基础1.神经网络非线性假设当特征太多时，计算的负荷会非常大，这时可以使用非线性的多项式项，能够帮助我们建立更好的分类模型。1.1模型表示第一层成为输入层（InputLayer），最后一层称为输出层（OutputLayer），中间一层成为隐藏层（HiddenLayers）。我们为每一层都增加一个偏差单位（biasunit），偏差单元的值为1ai(j)代表第j层的第i个激活单元。θ(j)代表从

欢欢吖·2023-01-10 19:31

学习机器学习

必备基础：高数线代概率论基础，python基础（有基础即可，有些忘记了可以在之后的学习过程中用哪学哪）参考知乎答主的学习过程：我的机器学习入门学习清单及路线-桔了个仔的文章)入门吴恩达机器学习：了解为目的

乐呵。乐呵·2023-01-10 14:57

吴恩达机器学习python作业之K-means

参考链接：吴恩达|机器学习作业7.0.k-means聚类_学吧学吧终成学霸的博客-CSDN博客任务一：实现K-means算法任务二：使用K-means算法进行图像压缩任务一：实现K-means算法numpy中的norm()函数求范数_若水cjj的博客-CSDN博客_np.normimportnumpyasnpfrommatplotlibimportpyplotaspltfromscipyimpor

abcd1233463457347·2023-01-10 12:56

吴恩达机器学习视频作业（Matlab实现）

吴恩达机器学习视频的课后作业，使用matlab实现ex1线性回归1.热身建立一个5*5矩阵A=eye(5);2.单变量的线性回归需要根据城市人口数量，预测开小吃店的利润数据在ex1data1.txt里，

m0_57097042·2023-01-10 12:25

实习周报（银盛广东分公司）

week1刚来第一周的时候，很紧张，非常紧张。同行的两个师兄都是准研一，自己一个准大三瑟瑟发抖。同时也感觉很多事情都弄不了，只能先学习视频了。

丿於豪·2023-01-09 18:11

K-means算法简单理解

参考《吴恩达机器学习》要解释K-means算法，用图像说明再合适不过了。

Jnchin·2023-01-09 15:59

吴恩达机器学习笔记41-支持向量机的优化目标（Optimization Objective of Support Vector Machines）...

转载于:https://www.cnblogs.com/sl0309/p/10486958.html

weixin_33806509·2023-01-09 11:59

吴恩达机器学习14-降维

吴恩达机器学习14-降维1.数据压缩数据压缩不仅压缩数据，因而使用较少的计算机内存或磁盘空间，而且加快了学习算法的收敛速度。如果你有几百个或成千上万的特征，它是它这往往容易失去你需要的特征。

小y同学在学习·2023-01-08 02:57

吴恩达机器学习课后作业——K-means 和PCA（主成分分析）

kmeans聚类一、作业内容在本练习中，您将实现K-means聚类算法并应用它来压缩图像。数据集下载位置(包含吴恩达机器学课后作业全部数据集)：data二、作业分析1、无监督学习：根据类别未知(没有被标记)的训练样本解决模式识别中的各种问题，称之为无监督学习，“监督”的意思可以直观理解为“是否有标注的数据”。无监督学习的特点是，传递给算法的数据在内部结构中非常丰富，而用于训练的目标和奖励非常稀少。

荭凯·2023-01-08 02:57

吴恩达机器学习——第15章降维

第15章降维1、定义2、目的3、PCA降维3.1计算过程3.2主成分数量的选择3.2.1选择方法13.2.2选择方法23.3压缩重现3.4建议1、定义数据是由一个个特征组成的，假如数有n个特征，则称数据是n维的。降维就是在保证数据特征趋势不变的前提下，减少特征的个数。减少特征的依据是把多个相似、相关特征合并为1个特征。2、目的降维的目的分为两种：压缩数据：特征数量变少了，数据量自然也就变少了，压缩

丨知耻而后勇丨·2023-01-08 02:25

吴恩达机器学习（十一）—— 降维

降维1.动机1：数据压缩2.动机2：数据可视化3.主成分分析问题规划4.主成分分析算法5.重建压缩表示6.主成分数量的选择7.应用PCA的建议1.动机1：数据压缩数据压缩不仅能对数据进行压缩，使得数据占用较少的内存或硬盘空间，还能让我们对学习算法进行加速。假使我们要采用两种不同的仪器来测量一些东西的尺寸，其中一个仪器测量结果x1x_{1}x1的单位是厘米，另一个仪器测量的结果x2x_{2}

青春是首不老歌丶·2023-01-08 02:54

吴恩达机器学习-PCA

1.PCA理论原理1.降维与PCA 降维：将数据由原来的n个特征缩减为k个特征（可能从n个中直接选取k个，也能根据这n个重新组合成k个）。可起到数据压缩的作用（因而也就存在数据丢失）。 PCA：即主成分分析法，属于降维的一种方法。其主要思想是：根据原始的n个特征（也就是n维），重新组合出k个特征，且这k个特征能最大量度地涵盖原始的数据信息（虽然会导致信息丢失，但所丢失信息可忽略不计）。有一个结

NLP菜鸟·2023-01-08 02:54

吴恩达机器学习课程13——降维

目录降维与数据压缩降维与可视化数据主成分分析法（PCA）什么是PCA数据预处理算法操作主成分数量选择压缩重现PCA的应用如有不妥，还请不吝指正~降维与数据压缩降维可以使数据规模减小，从而起到节约空间、加快算法执行等作用。数据压缩这个词我们还比较好理解，那降维是怎么一回事呢？它们两个是怎么扯上关系的呢？降维，其实就是一种削减特征数量的手段。为什么要削减特征数量呢？众所周知，特征少了不好，多了也不好，

CtrlZ1·2023-01-08 02:54

吴恩达机器学习（十七）—— 降维

吴恩达机器学习系列内容的学习目录→\rightarrow→吴恩达机器学习系列内容汇总。

大彤小忆·2023-01-08 02:18

2022吴恩达机器学习第2课week2

2022吴恩达机器学习课程学习笔记（第二课第二周）1-1TensorFlow实现1-2模型训练细节2-1sigmoid激活函数的替代方案2-2如何选择激活函数如何为输出层选择激活函数如何为隐藏层选择激活函数

天微亮。·2023-01-07 09:57

吴恩达机器学习（十八）—— ex7：K-means Clustering and Principal Component Analysis (MATLAB + Python)

吴恩达机器学习系列内容的学习目录→\rightarrow→吴恩达机器学习系列内容汇总。

大彤小忆·2023-01-06 07:12

机器学习——逻辑回归(分类)编程训练

机器学习——逻辑回归(分类)编程训练参考资料：1.黄海广老师：吴恩达机器学习笔记github本文是吴恩达机器学习课程中的第二个编程训练。

苏打水可乐·2023-01-05 19:30

《剑指offer》题解——week1（持续更新）

《剑指offer》题解——week1一、剑指Offer03.数组中重复的数字1.题目描述2.思路分析3.代码实现二、剑指Offer04.二维数组中的查找1.题目描述2.思路分析3.代码实现三、剑指Offer05

Java技术一点通·2023-01-05 17:08

吴恩达第五部分序列模型 week1—— 搭建循环神经网络、LSTM

未来应该不太接触NLP，所以就大概看了下视频。主要完成了用numpy构造RNN和LSTM前向，后向不推导了。最后附基于LSTM参加比赛的代码，LSTM时间序列模型比赛利器。RNN构造：importnumpyasnpimportrnn_utilsdefrnn_unit(apre,x,wax,waa,wya,ba,by):a=np.tanh(np.dot(wax,x.T)+np.dot(waa,apr

我来试试水·2023-01-05 09:50

吴恩达机器学习课程C1W2_lab03 运行时找不到lab_utils_multi模块

如果在自己写程序遇到找不到lab_utils_multi模块的情况，可以按下列步骤解决：1.在coursera实验室文件中，虽然看不到这个文件，但是可以点击下载所有文件，下载完成后在下载文件中就能找到lab_utils_multi.py2.把lab_utils_multi.py复制到当前你的程序所在的目录下面，再按照课程代码运行即可

m0_59884851·2023-01-04 20:10

吴恩达机器学习踩过的坑

1.lab_utils_uni文件，这是吴老师自己写的代码？百度叫piplab什么的都无效。有需要的直接去github取别人整理出来的这个文件。GitHub-kaieye/2022-Machine-Learning-Specialization

双鱼--玉佩·2023-01-04 15:05

吴恩达机器学习笔记（8）——模型评估与机器学习诊断法

一、如何改进一个机器学习算法假设你已经训练出一个机器学习算法，但是效果不太好，那么有以下几种改进方法：1、获得更多的训练数据2、选用更少的特征3、增加特征量4、增加高次项5、增大或减小正则化参数lambda的值很多人只是随机选择上述方法的一种，即浪费时间又没有效果。所以接下来会介绍模型的评估及机器学习的诊断法。二、模型评估(EvaluatingaHypothesis)1、评估假设：一个训练误差最小

阿尔基亚·2023-01-03 12:04

推荐频道

吴恩达机器学习：week1