吴恩达深度学习课程

【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》笔记——第四章《多元线性回归》

4、LinearRegressionwithmultiplevariables（多元线性回归）4.1Multiplefeatures/variables（多特征/变量）4.2Gradientdescentformultiplevariables（多元梯度下降法）4.3GradientdescentinpracticeI：FeatureScaling（多元梯度下降法演练1：特征缩放）4.4Gradi
肥胖边缘疯狂蹦迪·2022-12-10 13:39

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

李宏毅机器学习笔记5：CNN卷积神经网络

李宏毅老师的机器学习课程和吴恩达老师的机器学习课程都是都是ML和DL非常好的入门资料，在YouTube、网易云课堂、B站都能观看到相应的课程视频，接下来这一系列的博客我都将记录老师上课的笔记以及自己对这些知识内容的理解与补充
weixin_34066347·2022-12-10 06:26

[Machinie Learning] 吴恩达机器学习课程笔记——Week1

MachineLearningbyAndrewNg吴恩达机器学习课程学习笔记——Week1学习提纲IntroductionModelandCostFunctionParameterLearningLinearAlgebraReviewIntroductionMachineLearningDefinition
Carsick Car·2022-12-10 01:27

[Machinie Learning] 机器学习课程笔记合订本（更新中）

MachineLearning吴恩达机器学习课程笔记吴恩达机器学习系列吴恩达ML课程笔记——Week1未完待续，持续更新ing…
Carsick Car·2022-12-10 01:57

保姆级教程吴恩达机器学习ex1Matlab代码解析

%%MachinelearningFromAndrewwithMatlabex1%%Byyouknowwho3_3inCSDN#GirlsHelpGirls#DOUBANEZU%1.GradientDescenttogetmintheta%2.CostFucntiontogetbestCostfunctionJwithmintheta%3.PlottheLinearregressionbythem
youknowwho3_3·2022-12-09 15:54

吴恩达机器学习ex1

吴恩达机器学习ex11单变量线性回归1.1数据准备1.2损失函数的定义1.3梯度下降函数1.4可视化损失函数1.5拟合函数可视化2多变量线性回归2.1读取文件2.2特征归一化2.3构造数据集2.4损失函数的定义
每个人都是孙笑川·2022-12-09 15:49

吴恩达机器学习ex6任务1代码

importpandasaspdimportnumpyasnpfromscipy.ioimportloadmatimportmatplotlib.pyplotaspltfromsklearn.svmimportSVC'''===================================函数部分==================================''''''数据分类'''def
Maturisa·2022-12-09 15:42

吴恩达卷积神经网络章节笔记（二）——经典网络

吴恩达卷积神经网络章节笔记（二）——经典网络1.经典网络(ClassicNetworks)1.1LeNet-51.2AlexNet1.3VGG-161.4GoogLeNet1.4.1GoogLeNet的特点
奔跑的chanchanchan·2022-12-09 12:27

吴恩达机器学习1——单变量线性回归、梯度下降

目录吴恩达机器学习第一周一、什么是机器学习？
old sweet ᝰ·2022-12-09 12:37

吴恩达老师深度学习专项学习笔记

文章目录（一）神经网络与深度学习一、概论二、神经网络基础三、浅层神经网络四、深层神经网络（二）改善深层神经网络一、深度学习的实用层面二、优化算法：三、超参数调试（三）机构化机器学习项目一、ML策略（一）二、ML策略（二）（一）神经网络与深度学习一、概论神经网络：神经元：◯表示非线性函数神经网络：像乐高积木一样堆叠神经元用神经网络进行监督学习（目前神经网络的落地方向比较成熟）结构化数据（海量数据，广
dayday up·2022-12-09 12:05

pytorch基础（六）：torch.nn.Softmax和torch.nn.CrossEntropyLoss

另外，本博客中的有些内容基于吴恩达老师深度学习课程，我会尽量说明一下，但不敢保证全面。一、问题描述  吴恩达
麻衣带我去上学·2022-12-09 11:20

【吴恩达deeplearning.ai】Course 5 - 1.4 循环神经网络中通过时间的反向传播

通过时间的反向传播(Backpropagationthroughtime)之前我们已经学过了循环神经网络的基础结构，在本节视频中我们将来了解反向传播是怎样在循环神经网络中运行的。和之前一样，当你在编程框架中实现循环神经网络时，编程框架通常会自动处理反向传播。但我认为，在循环神经网络中，对反向传播的运行有一个粗略的认识还是非常有用的，让我们来一探究竟。在之前你已经见过对于前向传播（上图蓝色箭头所指方
why do not·2022-12-09 10:10

2022吴恩达机器学习课程学习笔记（第二课第三周）

2022吴恩达机器学习课程学习笔记（第二课第三周）决定接下来该做什么模型评估模型选择和训练/交叉验证/测试集通过偏差和方差进行诊断正则化和偏差/方差制定一个用于性能评估的基准学习曲线（修订）决定下一步做什么偏差
Ys能保研·2022-12-09 10:21

深度学习笔记(13.numpy实现LSTM)

摘要Ng深度学习课程第五部分序列化模型，第一周作业numpy实现，并利用LSTM生成恐龙名称实验。涉及到正向传播、反向传播公式，程序的整合，部分理论学习。代码注释添加了部分说明。
迷茫猿小明·2022-12-09 07:07

吴恩达机器学习python实现2 Logistic回归

Logistic回归0、读取数据defread_dataset(filename,type_tuple,separator=','):withopen(filename)asf:lines=f.readlines()data=[]forlineinlines:line=line[:-1]line=line.split(sep=separator)row=[]foriinrange(len(line
Scarlett1007·2022-12-09 04:24

线性回归 linear regression

他的误差计算公式为那么就是想最小化err(y⏞,y).我们用矩阵的计算方法，其实可以直接求得觉得这个推导，吴恩达老师的cs229讲的比林轩田老师讲的好，吴恩达来说用的是矩阵迹的方法trace()。
丁磊_Ml·2022-12-09 04:09

吴恩达机器学习笔记2——logistic回归3

整体代价函数J(θ)单个样本的代价Cost(h(x),y)，为了使之不要分类写，可以写成上图中下面这一行式子不要忘记logistic回归的h(x)=p(y=1|x,θ),在给定x和θ的前提下，分类为1的概率。如h（x）=0.7，分类为1的概率是70%。梯度下降来最小化代价函数发现用梯度下降算法时，算出来的θ更新的式子貌似和线性回归时一样。但其实由于h（x）不同，所以他们并不相同！
babychrislee3·2022-12-09 02:13

吴恩达机器学习笔记2——logistic回归5

使用logistic回归解决多类别分类问题进行三次分类那么当出现新的需要去分类的数据时，去拟合这三个h（x），选择那个计算出来最高的值的类别，就是这个数据所属的类别。
babychrislee3·2022-12-09 02:13

吴恩达机器学习笔记2——logistic回归2

1.代价函数解释：在输出的预测值是h(x)，实际标签是y的情况下，我们希望学习算法付出的代价。然而，这个代价函数在线性回归里可以，很好用。但是在logistic回归中，就并不适用，会出现一些问题。实际上，用这个代价函数的话，会变成关于θ的非凸函数。因为h(x)本身就是非线性，再去平方加和，更是非线性，就可能会使得代价函数的图形变为下图左边这种图用梯度下降算法的话，可能会找到好多局部最优，但并不一定
babychrislee3·2022-12-09 02:43

吴恩达机器学习课程笔记

吴恩达机器学习几乎每一个和我讨论过的人都同意，人生的最糟糕时期是在11岁到14岁。
大圣齐天Henry-Speed always wins·2022-12-08 19:34

【吴恩达机器学习笔记】十五、大规模机器学习

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·2022-12-08 17:51

【吴恩达机器学习笔记】十四、推荐系统

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·2022-12-08 17:49

One-Shot学习/一次学习（One-shot learning）

来源：Coursera吴恩达深度学习课程人脸识别所面临的一个挑战就是需要解决一次学习问题（one-shotlearningproblem），这意味着在大多数人脸识别应用中，你需要通过单单一张图片或者单单一个人脸样例就能去识别这个人
双木的木·2022-12-08 13:06

tf.image.non_max_suppression()

在吴恩达老师深度学习yolo算法实现自动驾驶的编程题中出现了这个函数，这个函数的功能是在检测算法中我们的一个目标被检测了多次，如何排除掉多余的边界框。
weixin_45752264·2022-12-08 12:23

【CV】吴恩达机器学习课程笔记 | 第1-15章

目录1介绍1-3监督学习1-4无监督学习2单变量线性回归2-2代价函数2-5Batch梯度下降算法4多变量线性回归4-1多特征4-2多元梯度下降法4-3多元梯度下降法I——特征缩放缩放归一化4-4多元梯度下降法演练I——学习率α4-5特征和多项式回归4-6正规方程（NormalEquation）（区别于迭代方法的直接解法）6逻辑回归6-1逻辑分类算法6-2假设表示6-3决策边界6-4代价函数6-4
Fannnnf·2022-12-08 12:21

吴恩达《深度学习专项》笔记（十一）: CNN示例学习：VGG, ResNet, MobileNet

学习提示上周，我们学完了CNN的基础组成模块。而从这周开始，我们要换一种学习方式：我们会认识一些经典的CNN架构，从示例中学习。一方面来说，通过了解他人的网络，阅读他人的代码，我们能够更快地掌握如何整合CNN的基础模块；另一方面，CNN架构往往泛化能力较强，学会了其他任务中成熟的架构，可以把这些架构直接用到我们自己的任务中。接下来，我们会按照CNN的发展历史，认识许多CNN架构。首先是经典网络：L
大局观选手周弈帆·2022-12-08 09:23

Exercise 7：K均值聚类和主成分分析（Coursera-吴恩达Machine Learning编程作业）

1K-meansClustering1.1ImplementingK-meansK均值聚类算法程序的主体：%Initializecentroids%中心点初始化centroids=kMeansInitCentroids(X,K);foriter=1:iterations%Clusterassignmentstep:Assigneachdatapointtothe%closestcentroid.i
鸡米花甜辣酱·2022-12-08 09:16

西瓜书 第五章 神经网络学习笔记

这一章对人还是比较友好的，主要就是公式比较复杂，个人觉得这一章不如吴老师深度学习课程讲得好，有需要的小伙伴请移步B站学习。
欢桑·2022-12-08 08:15

吴恩达《卷积神经网络》02——经典卷积网络

文章目录一、LeNet-5二、AlexNet三、VGG-16四、ResNets1.WhyResNetsWork五、InceptionNetwork1.1x1Convolutions2.InceptionNetworkMotivation3.计算成本问题4.InceptionNetwork六、其他1.使用开源的实现方案2.迁移学习（TransferLearning）3.数据增强（DataAugmen
美式咖啡不加糖x·2022-12-08 02:11

吴恩达AI FOR Everyone|人工智能入门笔记|

文章目录AIWhatisAI?MachineLearningSupervisedLearningDataAcquiringdataUseandmisuseofdataDataismessyTerminologyformAIMachinelearningDatascienceDeepleaningAIhasmanytoolsWhatmakeanAIcompaanyAITransformationWh
老码人·2022-12-08 01:45

深度学习入门

理论方面机器学习视频，吴恩达斯坦福coursera机器学习课程深度学习书籍，书名《深度学习》，因为封面是使用深度学习生成的花的图片，所以江湖人称“花书”，此书可谓深度学习的圣经，AI的葵花宝典。
西红柿爱吃小番茄·2022-12-08 01:12

机器学习入门之PCA与ICA

PCA什么是降维PCA(PrincipalComponentAnalysis)算法流程独立成分分析ICA问题引入算法基于最大似然估计ICA的经典假设与不确定性经典假设不确定性ICA无法确定的因素小结本文为吴恩达机器学习课程的笔记系列第六篇
小菜羊~·2022-12-08 01:30

Deep Reinforcement Learning

题目是CS294-112DeepReinforcementLearningHW2：PolicyGradientsWin10+Anaconda3+Python3.6零基础目前用一个礼拜看了吴恩达的机器学习课程
马里奥奥利奥·2022-12-08 00:04

pytorch基础（一）：tensor张量和自动微分

一、pytorch入门1.什么是tensor张量  在吴恩达老师深度学习视频中，第一章和第二章的课后作业我
麻衣带我去上学·2022-12-07 19:39

吴恩达机器学习ex5:偏差和方差

吴恩达机器学习作业五：偏差和方差知识点回顾：在本练习中，您将实现正则化线性回归，并使用它来研究具有不同偏差方差特性的模型。
wssssang·2022-12-07 16:39

吴恩达机器学习ex5 python实现

正则化线性回归这一部分，我们需要先对一个水库的流出水量以及水库水位进行正则化线性归回。然后将会探讨方差-偏差的问题数据可视化importnumpyasnpimportpandasaspdimportscipy.ioassioimportscipy.optimizeasoptimportmatplotlib.pyplotaspltimportseabornassnsdata=sio.loadmat(
枸杞仙人·2022-12-07 15:07

机器学习编程作业ex5(matlab/octave实现)-吴恩达coursera 多项式线性回归

分成两部分，一是本节课程内容的简要回顾，二是作业步骤的推导程序打包网盘地址提取码1111一、（Week6）内容回顾（按上课视频的顺序来）1.1第一部分：AdviceforApplyingMachineLearning1.将由训练集得到的假设函数应用到测试集，发现有很大的误差，可以用一些常见的调参方法。2.在数据集划分上，训练集：交叉验证集：测试集=6：2：2。首先对不同的多项式次数d，训练训练集得
独家*记忆·2022-12-07 15:06

吴恩达机器学习week6 ex5课后编程作业代码答案

EX5linearRegCostFunctionlearningCurvevalidationCurvelinearRegCostFunctionfunction[J,grad]=linearRegCostFunction(X,y,theta,lambda)%LINEARREGCOSTFUNCTIONComputecostandgradientforregularizedlinear%regres
来来·2022-12-07 15:04

保姆级教程吴恩达机器学习ex5Matlab代码解析

%%MachinelearningFromAndrew%%Byyouknowwho3_3inCSDN#GirlsHelpGirls#DOUBANEZU%%RegularizedLinearRegressionandBiasvs.Variance%implementthebackpropagationalgorithmforneuralnetworksand%applyittothetaskofha
youknowwho3_3·2022-12-07 15:34

吴恩达机器学习编程作业ex5 Regularized Linear Regression and Bias v.s. Variance

一、程序及函数1.引导脚本ex5.m%%MachineLearningOnlineClass%Exercise5|RegularizedLinearRegressionandBias-Variance%%Instructions%------------%Thisfilecontainscodethathelpsyougetstartedonthe%exercise.Youwillneedtoco
Polaris_T·2022-12-07 15:02

Coursera吴恩达机器学习week6的ex5编程作业代码

Machine-learning-ex5这是Coursera上Week6的ml-ex5的编程作业代码。经过测验，全部通过。具体文件可以进入我的github包括以下4个文件：%linearRegCostFunction.m%learningCurve.m%polyFeatures.m%validationCurve.mlinearRegCostFunction.mfunction[J,grad]=l
loserChen.·2022-12-07 15:59

吴恩达机器学习ex4代码

importnumpyasnpimportmatplotlib.pyplotaspltimportscipy.ioassiofromscipy.ioimportloadmatimportscipy.optimizeasoptfromsklearn.metricsimportclassification_report'''=======================================
Maturisa·2022-12-07 15:24

机器学习-----吴恩达课后习题ex5

偏差和方差利用水库水位变化预测大坝出水量importnumpyasnpimportmatplotlib.pyplotaspltfromscipy.ioimportloadmatfromscipy.optimizeimportminimizedata=loadmat('ex5data1.mat')data.keys()#dict_keys(['__header__','__version__','_
Vace___yun·2022-12-07 15:53

第06周:吴恩达机器学习课后编程题ex5方差偏差——Python

在本练习中，您将实现正则化线性回归并将其用于研究具有不同偏差方差特性的模型。1RegularizedLinearRegression正则化线性回归在练习的前半部分，您将使用正则化线性回归从流出大坝的水量预测水库中的水位。在下半部分，您将完成一些调试学习算法的诊断，并检查偏差与方差的影响。1.1Visualizingthedataset可视化数据集该数据集分为三个部分：•您的模型将学习的训练集：X,
MANDYBOOM·2022-12-07 15:52
上一页 25 26 27 28 29 30 31 32 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他