吴恩达机械学习

机器学习（五）——神经网络

借用吴恩达老师的一张图来理解：这是一个两层神经网络（不算第一层输入层）：其中，第一层为输入层，就是观测数据的各特征值，这里有3个特征；第二层为隐藏层（因为我们看不到它的输出）；第三层为输出层，也就是我们经过神经网络计算后得到
夏普123·2023-04-18 08:29

机械学习模型训练常用代码（随机森林、聚类、逻辑回归、svm、线性回归、lasso回归，岭回归）

一、数据处理（特征工程）更多pandas操作请参考添加链接描述pandas对于文件数据基本操作导入的包sklearnpip3install--index-urlhttps://pypi.douban.com/simplescikit-learn缺失值处理#缺失值查看df.replace('NaN',np.nan,inplace=True)#将数据中一些None替换为NULLdf.isnull().
南师大蒜阿熏呀·2023-04-18 00:49

吴恩达深度学习第二周编程练习--识别猫的逻辑回归神经网络

吴恩达深度学习第二周编程练习--识别猫的逻辑回归神经网络【识别猫】的简单的神经网络，用python实现注：开始编程前需要下载两个.h5文件，并将它们放到和python文件统一目录下（可到我的资源里下载）
SUNNY小飞·2023-04-17 04:10

吴恩达machine-learning-ex4练习题解析之代价函数

EX4主要是针对神经网络反向传播的实战，是非常重要的一课，所以花了我两天3夜地研究这道习题，还真是值得，收获满满。跟着ex4.pdf文档的脚步一步一步来：1.首先1-3页都在表达初始化数据，和数据模型。2.到了第五页，开始摩拳擦掌，实现第一段代码：神经网络代价函数首先他给到这样的一个公式：代价函数（无lambda项）吼！不要被这个公式吓到了。先不考虑lambda项，后面再慢慢深入。第一个∑首先把∑
Wincent__·2023-04-15 14:28

1.6 Dropout 正则化-深度学习第二课《改善深层神经网络》-Stanford吴恩达教授

Dropout正则化除了L2正则化，还有一个非常实用的正则化方法——“Dropout（随机失活）”，我们来看看它的工作原理。（图1.6.1）假设你在训练上图这样的神经网络（图1.6.1），它存在过拟合，这就是dropout所要处理的，我们复制这个神经网络，dropout会遍历网络的每一层，并设置消除神经网络中节点的概率。假设网络中的每一层，每个节点都以抛硬币的方式设置概率，每个节点得以保留和消除的
ygl_9913·2023-04-14 22:34

2.3 Logistic 回归损失函数-深度学习-Stanford吴恩达教授

Logistic回归损失函数(LogisticRegressionCostFunction)在上个视频中，我们讲了逻辑回归模型，为了优化逻辑回归模型的参数和，需要定义一个代价函数（costfunction）。先来回顾一下上一节课逻辑回归的输出函数：为了让模型通过学习调整参数，你需要给予一个样本的训练集，这会让你在训练集上找到参数和，来得到你的输出。为了更详细的描述上述方程式，我们需要说明上面的定义
ygl_9913·2023-04-14 22:03

2.18 Logistic 损失函数的解释-深度学习-Stanford吴恩达教授

Logistic损失函数的解释(ExplanationofLogisticRegressionCostFunction(Optional))在前面的视频中，我们已经分析了逻辑回归的损失函数表达式，在这节选修视频中，我将给出一个简洁的证明来说明逻辑回归的损失函数为什么是这种形式。回想一下，在逻辑回归中，预测的结果，是我们熟悉的型函数，。我们约定，即当给定输入特征x的时候y=1的概率。换句话说，如果y
ygl_9913·2023-04-14 22:03

1.7 理解 Dropout-深度学习第二课《改善深层神经网络》-Stanford吴恩达教授

理解DropoutDropout可以随机删除网络中的神经单元，他为什么可以通过正则化发挥如此大的作用呢？直观上理解：不要依赖于任何一个特征，因为该单元的输入可能随时被清除，因此该单元通过这种方式传播下去，并为单元的四个输入增加一点权重，通过传播所有权重，dropout将产生收缩权重的平方范数的效果，和之前讲的正则化类似；实施dropout的结果实它会压缩权重，并完成一些预防过拟合的外层正则化；对不
ygl_9913·2023-04-14 22:54

Pytorch深度学习笔记（三）线性模型

目录1.机械学习的过程2.线性模型推荐课程：2.线性模型_哔哩哔哩_bilibili1.机械学习的过程机械学习的过程：1.准备数据集DataSet——>2.选择模型Model——>3.训练Training
向岸看·2023-04-14 19:01

学习笔记-机器学习-（10）聚类

吴恩达-机器学习课程--13:Clustering的学习总结：最常见的非监督算法：K-means算法假如想把以下训练集训练分为两簇随机选择两点，一部分点离红点更近，一部分点离蓝点更近移动两点至已分好的两类点的均值处
饼干和蛋糕·2023-04-14 08:02

吴恩达机器学习作业笔记(线性回归)

零基础知识1.DataFrame结构PandasDataFrame入门教程（图解版）DataFrame一个表格型的数据结构，既有行标签（index），又有列标签（columns），它也被称异构数据表，所谓异构，指的是表格中每列的数据类型可以不同，比如可以是字符串、整型或者浮点型等pd.DataFrame(data,index,columns,dtype,copy)data可以是多种类型index和
Curse of Knowledge·2023-04-14 07:07

吴恩达机器学习作业笔记（Logistic 回归）

数据一共有三列，前两列是学生成绩，最后一列用1.0代表学生是否被录取使用分类的方法进行学习，得到一个学生被录取的概率值。零基础知识pandas读取文件importpandasaspddata=pd.read_csv('path',sep=',',header=0,names=['第一列','第二列','第三列'],encoding='utf-8')原文链接：https://blog.csdn.ne
Curse of Knowledge·2023-04-14 07:37

王小川欲打造中国版 OpenAI，正式命名百川智能

吴恩达和lecun：汽车都没发明要什么安全带☞一个前端大佬的十年回顾|漫画前端的前世今生☞OpenAI愿意“让步”，和意大利监管机构达成合作
CSDN 程序人生·2023-04-13 09:16

吴恩达深度学习 —— 2.5 导数

这节的目的是对微积分和导数有直观的理解，如下图所示，直线f(a)=3af(a)=3af(a)=3a，它是一条直线。直观的理解导数，让我们看看函数中几个点，假定a=2，那么f(a)等于a的3倍，等于6。也就是说，如果a=2，那么函数f(a)=6.我们稍微改变a的值，只增加一点点，a的值变为2.001，往右小小地移动一下，那么f(a)=6.003，观察图中绿色的三角形区域，如果点a向右移动0.001，
然后就去远行吧·2023-04-12 10:59

斯坦福 机器学习-第一章监督学习

CS229Lecturenotes原作者：AndrewNg（吴恩达）翻译：CycleUser监督学习（Supervisedlearning）咱们先来聊几个使用监督学习来解决问题的实例。
hzp666·2023-04-12 05:43

吴恩达：序列模型(Sequence Models)

1.1为什么选择序列模型x:HarryPotterandHermioneGrangerinventedanewspell.y:1101100001.2数学符号1.3循环神经网络RecurrentNeuralNetworksRNN的限制是它在某一时刻的预测只来自于序列之前的输入信息1.4通过时间的反向传播1.5不同类型的循环神经网络many-to-many:多对多，识别姓名（、机器翻译many-to
Cache_wood·2023-04-11 22:29

吴恩达杨立昆亲自下场开直播：GPT-5不能停！

吴恩达和LeCun为了这事儿，甚至亲自搞了场直播。毕竟再不出手，事态眼看着越来越严重了：马斯克等人叫停GPT-5研发的事态再次升级，已从千人联名发展到超过13500人签署。
夕小瑶·2023-04-11 09:17

吴恩达LeCun直播回怼马斯克：汽车都还没发明，要什么安全带

吴恩达和LeCun为了这事儿，甚至亲自搞了场直播。毕竟再不出手，事态眼看着越来越严重了：马斯克等人叫停GPT-5研发的事态再次升级，已从千人联名发展到超过13500人签署。
Evan-yzh·2023-04-11 09:47

吴恩达直播回怼马斯克：汽车都还没发明，要什么安全带？

省时查报告-专业、及时、全面的行研报告库省时查方案-专业、及时、全面的营销策划方案库【免费下载】2023年3月份热门报告合集【限时免费】ChatGPT4体验，无需直接用ChatGPT：AI模型研究框架ChatGPT团队背景研究报告ChatGPT的发展历程、原理、技术架构及未来方向ChatGPT使用总结：150个ChatGPT提示此模板ChatGPT数据集之谜《ChatGPT：真格基金分享.pdf》
智能推荐系统·2023-04-11 09:15

吴恩达和LeCun直播回怼马斯克：汽车都还没发明，要什么安全带......

吴恩达和LeCun为了这事儿，甚至亲自搞了场直播。毕竟再不出手，事态眼看着越来越严重了：马斯克等人叫停GPT-5研发的事态再次升级，已从千人联名发展到超过13500人签署。
Amusi（CVer）·2023-04-11 09:45

吴恩达和 LeCun：汽车都没发明要什么安全带

（图源：Twitter截图）先是吴恩达在Twitter上罗列出了四个理由，直球式反对GPT-4研究暂停6个月。
CSDN 程序人生·2023-04-11 09:13

ROS入门知识笔记

的基本框架是斯坦福大学人工智能实验室在STAIR项目与机器人技术公司WillowGarage的个人机器人项目（PersonalRobotsProgram）之间的合作中为了提高机器人研发中的软件复用率，由吴恩达教授指导的
潇潇的风·2023-04-11 05:46

深度学习笔记总结(1) 神经网络和深度学习(Neural Networks and Deep Learning)

针对深度学习基础部分，有必要恶补一些吴恩达的深度学习课程，其实晚上有很多总结和笔记，本系列文章是针对黄海广大佬整理的《深度学习课程笔记(V5.47)》的总结和自己的理解，以便加深印象和复习。
致Great·2023-04-11 02:47

吴恩达机器学习--线性回归

文章目录前言一、单变量线性回归1.导入必要的库2.读取数据3.绘制散点图4.划分数据5.定义模型函数6.定义损失函数7.求权重向量w7.1梯度下降函数7.2最小二乘法8.训练模型9.绘制预测曲线10.试试正则化11.绘制预测曲线12.试试sklearn库二、多变量线性回归1.导入库2.读取数据3.划分数据4.定义假设函数5.定义损失函数6.定义梯度下降函数7.训练模型8.运用sklearn绘图总结
Want595·2023-04-10 23:56

吴恩达深度学习课后测试

来源：https://blog.csdn.net/u013733326/article/details/79827273
Surnal·2023-04-10 17:35

吴恩达deeplearning 第四课Program terminated with status: 1. stderr follows: Error: C:\Users\AppData\Loc

**吴恩达deeplearning第四课Programterminatedwithstatus:1.stderrfollows:Error:C:\Users\AppData\Local\Temp\tmpx6oir6n9
阿君君君·2023-04-10 10:51

百度发打假声明：目前文心一言无官方 App；吴恩达LeCun直播回怼马斯克：汽车都没发明要什么安全带|极客头条

「极客头条」——技术人员的新闻圈！CSDN的读者朋友们早上好哇，「极客头条」来啦，快来看今天都有哪些值得我们技术人关注的重要新闻吧。整理|梦依丹出品|CSDN（ID：CSDNnews）一分钟速览新闻点！百度发打假声明：目前文心一言无官方App，已对苹果公司及相关开发者团队发起诉讼龙芯新款服务器CPU：采用自主指令，无需国外授权腾讯AI聊天专利可多模态回复消息B站正式宣布UWP版停止维护华为盘古系列
CSDN资讯·2023-04-10 09:34

吴恩达深度学习作业L1W2:ValueError: cannot reshape array of size 12288 into shape (50,1)

照着代码敲下来，测试部分的代码都没问题，到了最后整合的实战代码就突然报错ValueError:cannotreshapearrayofsize12288intoshape(50,1)，跳转过来显示model函数以下部分:Y_prediction_test=predict(w,b,X_test)原因为测试集没有进行转置操作，格式仍为(50,12288)，进行转置即可，即修改为：Y_predictio
neowell·2023-04-10 04:39

逻辑回归（吴恩达机器学习）

一、分类问题在分类问题中，我们的任务是通过算法对数据判断是否属于某一类，如果只有两类的话，那么就是“是”与“否”。分类的例子比如说：判断一封邮件是否属于垃圾邮件，判断一次金融交易是否属于欺诈，判断肿瘤是良性肿瘤还是恶性肿瘤等。在二元分类问题中，最后输出的结果只有两种，其中“0”表示“否”，“1”表示是“是”。对于（0，1）区间的其他值，取大于等于“0.5”输出为1，小于“0.5”则输出为“0”，作
没名字的蓝猫·2023-04-10 01:43

丨杨立昆吴恩达对话实录

北京时间4月8日凌晨0:30，YannLeCun（杨立昆）和吴恩达针对近期甚嚣尘上的「AI暂停」一事进行了一场深入讨论，讨论主题为「为何为期6个月的AI暂停是完全错误的」。
智源社区·2023-04-09 17:21

机器学习-吴恩达

机器学习-吴恩达P6-2logistic(sigmoid)functionP6-3决策边界(decisionboundary)P6-4代价函数P6-5简化代价函数与梯度下降P6-6高级优化P6-7多元分类
卓卓世界·2023-04-08 13:46

机器学习入门大纲

基本上所有人入门机器学习都是从看吴恩达（AndrewNg）在Coursera上的MachineLearning开始，在花了大概2周看完这个后，本人转向看视觉方向的东西，这领域的经典视频是Stanford
一叶之坤·2023-04-07 19:48

【机器学习】吴恩达机器学习Deeplearning.ai

机器学习已经强大到可以独立成为人工智能的一个子领域。可以通过对机器编程实现比如执行网络搜索、理解人类语言、通过x光诊断疾病，或制造自动驾驶汽车。机器学习定义一般来说，给一个算法学习的机会越多，它的表现就越好。机器学习的两种主要类型是监督学习和无监督学习（强化学习在课程中不细讲）监督学习是进步最快和创新最多的算法。在课程中会学习一些实践机器学习算法的实用技巧。监督学习如今，机器学习正在创造巨大的经济
Lotay_天天·2023-04-07 10:32

类LeNet-5网络的简单实现

概述先把一张非常经典的网络图搬上来：lenet-5.png下图摘自吴恩达老师在deeplearning.ai的讲义，之后代码中网络参数设定将以此为参考：cnn.JPG
林夕一场·2023-04-06 17:47

新教育随笔 王俊明

挤一点时间给阅读，开启我们因机械学习而遮掩了的心扉。努力读书，用书的厚度提升人生的高度，力争做一个永远富有魅力的教师。
690ab6f73948·2023-04-05 16:53

吴恩达深度学习（四）

设置优化问题第一课：规范化输入当训练神经网络时，有一种加速训练过程的方法，那就是对输入进行归一化。对输入归一化包含两个步骤：第一步是将减去均值，或者说将均值归零。第二部是将方差进行归一化。（使x1和x2这两个特征的方差都等于1）一个提示：如果你用这种方法来对数据进行缩放，那么务必对测试集和训练集都是用同样地u和б2。即不应该使用不同的方式去归一化训练集和测试集。因为你的所有数据包括训练和测试样本都
带刺的小花_ea97·2023-04-05 10:35

吴恩达深度学习笔记（3）-神经网络如何实现监督学习？

神经网络的监督学习(SupervisedLearningwithNeuralNetworks)（请注意文中粗体部分内容，划重点吶！）关于神经网络也有很多的种类，考虑到它们的使用效果，有些使用起来恰到好处，但事实表明，到目前几乎所有由神经网络创造的经济价值，本质上都离不开一种叫做监督学习的机器学习类别，让我们举例看看。在监督学习中你有一些输入x，你想学习到一个函数来映射到一些输出y，比如我们之前提到
极客Array·2023-04-05 00:56

【西瓜书】第6章 支持向量机 SVM

在这插入两幅图，是吴恩达讲课中的图，我感觉收获很大，原来一切的来源都是简单的问题
一杭oneline·2023-04-02 23:42

吴恩达-coursera-机器学习-week8

十三、聚类(Clustering)13.1无监督学习：简介13.2K-均值算法13.3优化目标13.4随机初始化13.5选择聚类数十四、降维(DimensionalityReduction)14.1动机一：数据压缩14.2动机二：数据可视化14.3主成分分析问题14.4主成分分析算法14.5选择主成分的数量14.6重建的压缩表示14.7主成分分析法的应用建议第8周十三、聚类(Clustering)
z-pan·2023-04-02 21:52

LeCun、吴恩达带头反对

继LeCun之后，吴恩达、田渊栋等一众AI大牛也发文公开反对“千人联名”。
夕小瑶·2023-04-02 17:45

【吴恩达】机器学习作业ex8--异常检测和推荐系统（Python）

一.前言此次作业也是分为俩大部分，第一部分是利用高斯分布来检测计算机中的异常行为，每个计算机有吞吐量和响应延迟俩个特征，此次数据集分为测试集和交叉验证集，交叉验证集中的yval集合是标注是否正常或者异常，测试集中并没有此标注，需要我们来找出异常，熟练之后，还要将其应用于更高维的数据集中，第二部分是推荐系统，给一个新用户推荐10部他有可能会喜欢的电影二.异常检测1.ex8data1.mat代码部分1
calmdownn·2023-04-02 06:20

吴恩达多分类逻辑回归与神经网络总结

吴恩达多分类逻辑回归与神经网络文章目录吴恩达多分类逻辑回归与神经网络前言一、多分类逻辑回归与神经网络1、多分类逻辑回归2、神经网络二、程序代码1.多分类逻辑回归1.1读取数据集1.2数据预处理1.3数据可视化
蓝色的紫·2023-04-02 06:12

deep learning

deeplearning的怀抱，因为早上看到一篇文献太振奋人心了，其实你跟柳叶刀只差一个巧妙的idea，工具就在那里，看你用不用，用到哪，哎，总是一些没用的感悟，赶紧学起来吧，持续更新中......先来整理些链接吴恩达网易公开课
又是一只小菜鸟·2023-04-02 00:23

学习笔记—1：多元线性回归模型，吴恩达2022Machine Learning

CSDN话题挑战赛第2期参赛话题：学习笔记一、公式部分线性模型：即两个变量之间是一次函数关系的模型预测，为一元线性回归模型；而当所选取的x为多元时（例如x为多元的情况：房屋价格要考虑，位置、面积、小区环境、卧室数量等等），则多元线性回归就要涉及到向量的概念。通常情况下，向量的表达形式更加简洁，而且向量运算的效率通常优于使用循环进行计算，故笔者通过使用Numpy和for循环的方式进行了相关的对比。线
某崔同学·2023-04-01 22:16

吴恩达深度学习课程笔记（精华版）--3.序列模型和自然语言处理NLP

本系列是编者学习吴恩达deeplearning.ai深度学习系列课程的笔记。编者有一定机器学习基础，也看过Andrew的机器学习课程。
Caucher·2023-04-01 06:58

吴恩达深度学习笔记(13)-多样本梯度下降和向量化处理多批次数据

m个样本的梯度下降(GradientDescentonmExamples)在之前的笔记中,已经讲述了如何计算导数，以及应用梯度下降在逻辑回归的一个训练样本上。现在我们想要把它应用在m个训练样本上。首先，让我们时刻记住有关于损失函数就J(w,b)的定义。当你的算法输出关于样本y的a(i)，a(i)是训练样本的预测值，即：所以我们在前面展示的是对于任意单个训练样本，如何计算微分当你只有一个训练样本。因
极客Array·2023-04-01 05:06

吴恩达机器学习 - PCA

问题数据压缩数据图形化展示PCA算法奇异值分解(SingularValueDecomposition，以下简称SVD)数据恢复K的选择
YANWeichuan·2023-04-01 03:29

吴恩达Deep Learning第二课作业（第一周）

目录链接：吴恩达DeepLearning学习笔记目录 1.Initialization 2.Regularization 3.GradientChecking注：本文参考Initialization、Regularization
七月七叶·2023-04-01 03:59

日语初学者，注意好这些问题，日语学习更顺利

①假名记忆50音、语法结构基本是我通过第一种“机械学习”方法掌握的。先说50音，就像汉语拼音、英文字母一样，是表示发音的基础。日语发音并不难，但比
日语初级学习·2023-04-01 03:56

机器学习深度学习 | 吴恩达李宏毅

机器学习-吴恩达【资源】中文笔记|Markdown|【记录】批量梯度下降(BGD|在每一次迭代时使用所有样本来进行梯度的更新)随机梯度下降(SGD|每次迭代使用一个样本来对参数进行更新，使得训练速度加快
우 유·2023-04-01 02:16
上一页 10 11 12 13 14 15 16 17 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他