吴恩达机械学习第21页

week 9 吴恩达迁移学习多任务学习端到端学习

文章目录一、错误分析二、快速构建系统然后迭代三、训练和测试的不同数据分布1、不匹配数据的偏差和方差2、解决数据不匹配问题。四、迁移学习transferlearning五、多任务学习multi-tasklearning六、端到端end-to-endlearning一、错误分析当我们在构建一个系统时，我们可以采用人工方法来分析错误率主要是由什么造成的。比如一个识别猫的系统，我们可以取出100张分析错误

爱吃肉c·2023-01-12 11:39

【机器学习、深度学习与强化学习】机器学习（1）---机器学习简介

我先列一些我会用到的机器学习、深度学习的参考资料吧：1.西瓜书——周志华《机器学习》2.动手学深度学习——李沐3.B站李沐视频或者斯坦福CS329P4.youtube——李宏毅全套的公开课5.李航——统计学习方法6.吴恩达

旋转跳跃我闭着眼·2023-01-11 20:05

聚类2-高斯混合-EM算法

转自http://blog.csdn.net/lvhao92/article/details/50802703这篇主要想说的是高斯混合模型，我发现，纵观网上大体的博客，都是沿用了吴恩达老师的上课套路，所以大致都相同

kasdlj·2023-01-11 20:34

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

吴恩达深度学习（笔记+作业）·第二课·第一周深度学习的实用层面

目录一、训练集train/验证集dev(val)/测试集test二、偏差/方差三、正则化（解决高方差）（L2正则化）四、正则化如何预防过拟合五、Dropout正则化（最常用：inverteddropout）六、其他正则化方法七、归一化/标准化：代价函数优化更快捷八、梯度消失/梯度爆炸九、权重初始化十、梯度检验（检验反向传播的bug）作业初始化参数正则化Dropout梯度校验内容涉及：超参数调优、如

手可摘星辰不去高声语·2023-01-10 19:06

吴恩达深度学习笔记（六）——超参数调试、Batch正则化和程序框架

一、调试处理给超参数取值：网格中取样点，随机取值，由粗糙到精细的策略。为超参数选择合适的范围：随机取值不是在有效范围内随即均匀取值，选择合适的步进值很重要。比如搜索学习率α，在0.0001到1之间，如果随机均匀取值，则在0.1到1之间应用了90%的资源，在0.0001到0.1之间只有10%的搜索资源。因此，不使用线性轴，而使用对数轴会更加合理。β越接近于1越敏感，需要密集取值。超参数调试实践：照看

子非鱼icon·2023-01-10 19:06

吴恩达深度学习（笔记+作业）·第一课·第二周神经网络基础

目录1.二分分类2.logistic回归3.logistic代价函数4.梯度下降法5.计算图6.logistic回归中的梯度下降法7.向量化8.向量化logistic回归9.Python中的广播10.pythonnumpy1.二分分类2.logistic回归3.logistic代价函数4.梯度下降法5.计算图可以参考刘普洪老师的计算图6.logistic回归中的梯度下降法7.向量化程序第二、六行错

手可摘星辰不去高声语·2023-01-10 19:06

吴恩达深度学习（笔记+作业）·第一课·第四周深层神经网络

目录一、深层神经网络二、深层神经网络的前向传播和反向传播三、核对矩阵维数四、参数和超参数作业：一、深层神经网络二、深层神经网络的前向传播和反向传播三、核对矩阵维数拿出一张纸，计算各个矩阵的维度四、参数和超参数作业：#!/usr/bin/envpython#-*-coding:utf-8-*-"""============================================时间：2021

手可摘星辰不去高声语·2023-01-10 19:36

吴恩达深度学习第一课第二周编程作业

吴恩达深度学习第一课第二周编程作业建议进入本文主题，第二周编程作业你将学会：本人在写这篇作业时的手写笔记：1.导入包2.习题集概述练习1练习23.学习算法的一般结构4.构建我们算法的各个部分4.1Helperfunctions

tqh267·2023-01-10 19:34

吴恩达深度学习第一课第四周作业（2）

深度神经网络在图像分类中的应用1-包2-加载和处理数据集3-模型架构3.1-2层神经网络3.2-L层深层神经网络3.3-一般方法4-二层神经网络练习1-两层模型4.1-培训模型五层神经网络练习2-L_layer_model5.1-训练模型6-结果分析7-使用自己的图像进行测试（可选/未分级练习）当您完成本笔记本时，您将完成第4周的最后一个编程作业，以及课程1的最后一个编程作业！要构建cat/not

tqh267·2023-01-10 19:34

吴恩达深度学习课程第四章第二周编程作业(pytorch实现)

、编程实现1.Dataloader加载数据2.残差块的封装3.残差网络ResNets4.主控函数四、结果前言本博客只是记录一下本人在深度学习过程中的学习笔记和编程经验，大部分代码是参考了【中文】【吴恩达课后编程作业

麻衣带我去上学·2023-01-10 19:04

吴恩达深度学习课程第五章第二周编程作业(pytorch实现)

构造嵌入层embedding_layer2.Dataloader3.构造LSTM4.模型训练5.实验结果前言本博客只是记录一下本人在深度学习过程中的学习笔记和编程经验，大部分代码是参考了【中文】【吴恩达课后编程作业

麻衣带我去上学·2023-01-10 19:04

吴恩达深度学习课程第二章第三周编程作业(pytorch实现)

pytorch搭建神经网络3.1利用torch.nn简单封装模型3.2定义优化算法和损失函数4.整体代码声明本博客只是记录一下本人在深度学习过程中的学习笔记和编程经验，大部分代码是参考了【中文】【吴恩达课后编程作业

麻衣带我去上学·2023-01-10 19:03

吴恩达深度学习课程第二章第一周编程作业

文章目录声明一、任务描述二、编程实现1.数据2.参数初始化2.1初始化参数为02.2参数随机初始化2.3抑梯度异常初始化2.4主控函数2.5测试结果对比2.5.1初始化为02.5.2随机初始化参数2.5.3抑梯度异常初始化3.模型正则化3.1未使用正则化3.2L2正则化3.3dropout正则化总结声明本博客只是记录一下本人在深度学习过程中的学习笔记和编程经验，大部分代码是参考了【中文】【吴恩

麻衣带我去上学·2023-01-10 19:33

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

【吴恩达深度学习】：第二周编程作业（笔记型）——01

参考资料来源本文主要内容是参照该博主编写的，以下是原文链接：https://blog.csdn.net/u013733326/article/details/79639509一、简介吴恩达深度学习第二周作业

无眠·2023-01-10 19:29

【吴恩达深度学习】：第二周编程作业（笔记型）——02

三、编程python版本3.7.43.1安装库和加载程序为了实现这个项目，我们需要安装一下库：numpy：python进行科学计算的基本软件包h5py：是与H5文件中的存储的数据集进行交互的常用软件包h5py文件是存放两类对象的容器，数据集(dataset)和组(group)，dataset类似数组类的数据集合，和numpy的数组差不多。group是像文件夹一样的容器，它好比python中的字典，

无眠·2023-01-10 19:29

吴恩达深度学习笔记（第二周编程作业）

在吴恩达老师的深度学习中的assignment_2_2中实现logisticRegression需要将图片转化成训练集时需要将维度为（209，64，64，3）的图片矩阵转化成二维矩阵（64*64*3，209

ncisiad·2023-01-10 18:58

吴恩达关于论文阅读的指导

引言通常要想进入某一领域的研究，大概10-20篇论文就能了解该领域的研究进展；50-100篇论文让你能运用该领域的一些成果；100-200篇论文后能够让你深入了解这一领域。一、方法整体流程第一步∶收集并整合相关资源先选出六七篇论文出来，每一篇画一个理解度轴每读一篇文章就在这个轴线上画出自己的理解程度，不理解的地方如数学公式在初看时可以跳过第二步:深入研究你认为与主题相关的任何资源第三步:做笔记，对

想太多!·2023-01-10 18:56

李宏毅机器学习2021作业1感受

所以准备先把b站Pytorch入门、清华大学学堂在线上的《机器学习概论》、吴恩达经典的《机器学习》以及机器学习基础实战项目学完再回来继续学李宏毅机器学习了。

Ternence06·2023-01-10 18:48

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

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

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

【学习笔记】吴恩达老师《深度学习工程师》一

从吴恩达老师的深度学习工程师课程入手，配合周志华老师的《机器学习》“西瓜书”，打好基本功，再战TensorFlow！放一张吴恩达老师的照片，开开光，认真学完微专业！（吴恩达老师英语太好听了！

Masec·2023-01-09 00:20

深度学习Deep Learning Specialization [deep learning ai 吴恩达主讲] Note1

Coursesinthissequence:NeuralNetworksandDeepLearningImprovingDeepNeuralNetworks:Hyperparametertuning,RegularizationandOptimizationStructuringyourMachineLearningprojectConvolutionalNeuralNetworks(CNN卷积神

张渤·2023-01-09 00:20

深度学习（一）吴恩达给你的人工智能第一课： 01.神经网络和深度学习

本文主要摘自吴恩达的深度学习课堂https://mooc.study.163.com/smartSpec/detail/1001319001.htm目录第一周、深度学习概论1.1、欢迎来到深度学习工程师微专业

我爱AI·2023-01-09 00:19

吴恩达【深度学习工程师】学习笔记（七）

吴恩达【深度学习工程师】专项课程包含以下五门课程：1、神经网络和深度学习；2、改善深层神经网络：超参数调试、正则化以及优化；3、结构化机器学习项目；4、卷积神经网络；5、序列模型。

zchang81·2023-01-09 00:49

深度学习-吴恩达：一、神经网络和深度学习

文章目录1、whatisaNeuralNetwork?（什么是神经网络）2、SupervisedLearningwithNeuralNetworks（监督学习）3、为什么深度学习会兴起？第一周测验测验题答案1、whatisaNeuralNetwork?（什么是神经网络）示例：房价预测Xsize→神经元→YpriceX从0开始，函数长这个样子：基于房子面积和房间数量，可以估算家庭人口数量基于邮政编码

哈！小白要成长！·2023-01-09 00:46

吴恩达深度学习笔记最全最详细！这一篇足够了！

为了方便学习深度学习课程，转载一个吴恩达老师的一个深度学习笔记，转载的网站是下面这个https://blog.csdn.net/red_stone1/article/details/80207815从去年

是小李呀~·2023-01-09 00:46

吴恩达老师DeepLearning系列课程最详细学习笔记之23—Jupyter Ipython笔记本的快速指南

教程是本人学习吴恩达老师DeepLearing系列课程中整理的最为详细的学习笔记。学习视频主要来自B站[双语字幕]吴恩达深度学习deeplearning.ai_哔哩哔哩_bilibili?

james9668·2023-01-09 00:15

吴恩达老师DeepLearning系列课程最详细学习笔记之1—深度学习概念

教程是本人学习吴恩达老师DeepLearing系列课程中整理的最为详细的学习笔记。学习视频主要来自B站[双语字幕]吴恩达深度学习deeplearning.ai_哔哩哔哩_bilibili?

james9668·2023-01-09 00:14

吴恩达深度学习工程师系列课程笔记（Deep Learning Specialization - deeplearning.ai）

深度学习笔记导航前言传送门完结感想前言选择吴恩达的深度学习视频作为入门是明智的选择，我对比过包括动手学深度学习在内的一些入门资料，感觉还是吴恩达的最为通俗易懂，虽然他在RNN那部分讲的一般，但是即使是这样

亦梦亦醒乐逍遥·2023-01-09 00:42

【保姆级教程】使用 LSTM 进行多变量时间序列预测

Python数据挖掘·2023-01-08 09:13

吴恩达深度学习视频笔记（持续更新）

深度学习符号字典：http://www.ai-start.com/dl2017/html/notation.html文章目录第一章节：最简单的神经网络逻辑回归LogisticRegression逻辑回归代价函数梯度下降法浅层神经网络激活函数神经网络的梯度下降随机初始化搭建神经网络块第二章节：偏差，方差正则化dropout正则化其他正则化方法归一化（正则化）输入神经网络的权重初始化优化算法Mini-

每天都在努力学习SLAM的小黑·2023-01-08 09:46

吴恩达Coursera深度学习（1-3）编程练习

练习部分解释：跟网上大多数博客都不一样，因为之前我已经在notebook上做完了，再总结一遍放在博客上。Class1：神经网络和深度学习Week3：浅层神经网络——编程练习目录Class1神经网络和深度学习Week3浅层神经网络编程练习目录1数据集2简单线性逻辑回归模型3神经网络模型1、数据集planar_utils.pyimportmatplotlib.pyplotaspltimportnump

九方先生·2023-01-08 09:13

吴恩达深度学习学习笔记——C1W3——浅层神经网络——作业——平面数据分类

这里主要梳理一下作业的主要内容和思路，完整作业文件可参考:https://github.com/pandenghuang/Andrew-Ng-Deep-Learning-notes/tree/master/assignments/C1W3作业完整截图，参考本文结尾：作业完整截图。作业目录：作业目标：PlanardataclassificationwithonehiddenlayerWelcomet

预见未来to50·2023-01-08 09:12

吴恩达-deep learning 01.神经网络与深度学习Week3

Week3：浅层神经网络(Shallowneuralnetworks)3.1神经网络概述（NeuralNetworkOverview）本节先从整体结构上来看一下神经网络模型。逻辑回归梯度下降算法——正向传播和反向传播两个过程假设某个样本有两个特征x1,x2x_1,x_2x1,x2，如下图所示：正向传播(黑线)：z=wTx+by^=a=σ(z)L(a,y)=−(ylog(a)+(1−y)log(1−

Paul-Huang·2023-01-08 09:12

吴恩达【神经网络和深度学习】Week3——浅层神经网络

文章目录ShallowNeuralNetwork1、NeuralNetworksOverview2、NeuralNetworkRepresentation3、ComputingaNeuralNetwork'sOutput4、VectorizingAcrossMultipleExamples5、ExplanationforVectorizedImplementation6、ActivationFun

小白有颗大白梦·2023-01-08 09:10

吴恩达_Machine Learning_Programming Exercise 3: Multi-class Classification and Neural Networks

1Multi-classClassification1.1Dataset读取数据：%Loadsavedmatricesfromfileload('ex3data1.mat');%ThematricesXandywillnowbeinyourOctaveenvironmentex3data1.mat中有5000个训练样例，其中每个训练样例是一个20像素乘20像素的数字灰度图像。每个像素由一个浮点数表

不错就是对·2023-01-08 07:01

吴恩达深度学习课程自学笔记整理(一)——一些自己总结记录的结论和小tips等

注：本人已经学完了吴恩达老师机器学习和深度学习的全部课程，整理出来的知识点是比较笼统的、自己总结的一些结论和经验，发在这里主要是为了方便自己复习翻阅，已经学完大部分课程或者对深度学习有了一定基础的uu可以阅读下

yan_nLiiiiii·2023-01-08 07:12

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）

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

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》——SVM支持向量机

SVM支持向量机1.线性SVM1.1从Logistic回归出发1.2大边界分类与SVM1.3调整正则化参数2.非线性SVM（高斯核函数）2.1高斯核2.2非线性分类2.3参数搜索数据集、源文件可以在Github项目中获得链接:https://github.com/Raymond-Yang-2001/AndrewNg-Machine-Learing-Homework1.线性SVM1.1从Logist

Ace2NoU·2023-01-08 02:49

推荐频道

吴恩达机械学习

week 9 吴恩达 迁移学习 多任务学习 端到端学习