吴恩达深度学习课程

吴恩达机器学习笔记及学习心得 （0）目录

吴恩达机器学习笔记及学习心得（0）目录引言单变量线性回归线性代数回顾多变量线性回归Octave教程逻辑回归正则化神经网路表述神经网路的学习应用机器学习的建议机器学习系统的设计支持向量机聚类降维异常检测推荐系统大规模机器学习应用实例
lixiang8668913·2022-11-25 19:00

吴恩达机器学习笔记总结

吴恩达机器学习笔记总结作为机器学习经典入门课程，吴恩达的MachineLearning课程必定有它重要的一席之位。
每天一进步·2022-11-25 19:27

吴恩达老师机器学习课程笔记 01 引言

1引言1.1欢迎机器学习算法应用于生活中的方方面面，如网页搜索、照片标记、反垃圾邮件。机器学习的起源、流行和发展机器学习起源于AI。为了创造智能的机器，传统的编程只能让机器做一些基本的事情，如求两点之间的最短路径。但如果让机器自己学习，则可以做更多有趣的事情，如上述的三个例子。因此，机器学习是计算机开发的一项新功能，如今已涉及工业和基础科学的许多领域。机器学习应用领域举例数据挖掘把电子医疗记录变为
3077491278·2022-11-25 19:56

吴恩达机器学习笔记总结 | Chapter01

吴恩达机器学习笔记|Chapter011.引言(Introduction)1.1欢迎(Welcome)1.2机器学习是什么？(WhatisMachineLearning?)
Wr.Wu·2022-11-25 19:25

吴恩达机器学习笔记1一一引言

吴恩达机器学习笔记1一一引言文章目录吴恩达机器学习笔记1一一引言1.机器学习是什么？2.监督学习3.无监督学习1.机器学习是什么？
qq_42394597·2022-11-25 19:24

吴恩达机器学习笔记 2

今天开始写吴恩达机器学习的学习笔记。课程的第一部分是类似于引言的东西，故笔记略过。第二部分内容算是机器学习的正式入门，老师讲解了一个算法实例：梯度下降线性回归。
ex22333·2022-11-25 19:49

【吴恩达机器学习笔记】三、矩阵

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·2022-11-25 19:17

吴恩达机器学习笔记（一）引言

一、引言(Introduction)1.1欢迎参加《机器学习》机器学习早已成为我们的日常。每当使用Google或Bing等搜索引擎时，它能给出非常满意的结果，原因之一就是Google或微软使用的学习算法，学会了如何给网页排序。每当使用Facebook或苹果的相片分类功能，它能够识别出朋友的照片，也是机器学习。每当阅读邮件时，垃圾邮件过滤器会帮助我们过滤大量的垃圾邮件，这也是学习算法。在本课程中，我
言尽。·2022-11-25 19:46

【吴恩达机器学习笔记】一、引言

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·2022-11-25 19:13

吴恩达深度学习课程笔记之卷积神经网络（1st week）

0参考资料[1]【中英字幕】吴恩达深度学习课程第四课—卷积神经网络_哔哩哔哩_bilibili[2]02-吴恩达深度学习系列课程/04卷积神经网络/PDFs·大大鹏/Bilibili资料-码云-开源中国
syphomn·2022-11-25 18:50

吴恩达深度学习课程笔记之卷积神经网络（2nd week）

0参考资料[1]大大鹏/Bilibili资料-Gitee.com[2]【中英字幕】吴恩达深度学习课程第四课—卷积神经网络_哔哩哔哩_bilibili[3]深度学习笔记-目录(ai-start.com)1
syphomn·2022-11-25 18:50

吴恩达深度学习课程笔记（一）—— 卷积神经网络基础

一、计算机视觉在运行神经网络对图像进行处理时，对于64*64大小的图像，图像就有12288个参数，而对于一张1000*1000大小的图像，参数更是多达300万个，假设隐藏层有1000个神经元，那么参数就是300万*1000个，300亿个参数，可想而知数据量过于庞大。为解决此问题，我们需要采用卷积计算。二、边缘检测①用神经网络的前几层来检测图像边缘，然后用后面的层检测特征，可以完成对一个完整物体进行
Echo_`·2022-11-25 18:19

卷积神经网络笔记--吴恩达深度学习课程笔记（一）

一.卷积神经网络（一）1.1计算机视觉卷积神经网络一般应用于计算机视觉领域，由于有的时候图片的像素点很多，导致神经网络输入特征值的维数很多。1.2边缘检测示例如下图所示，原图是一个661的矩阵，卷积核是一个331的矩阵，经过卷积后得到一个441的矩阵。计算过程如下：|3|0|1|…………|1|0|-1||1|5|8|…*….….|1|0|-1|=3+1+2-1-8-2=-5|2|7|2|…………|
无乎648·2022-11-25 18:48

吴恩达深度学习课程笔记（初步认识神经网络）

吴恩达深度学习课程笔记1课程主要内容1.神经网络与深度学习介绍2.ImprovingDeepNeuralNetworks:超参数调整，正则化，优化方法3.结构化机器学习工程：比如如何分割训练集，比较集，
fuulish·2022-11-25 18:48

斯坦福CS229机器学习笔记-Lecture8- SVM支持向量机 之核方法 + 软间隔 + SMO 算法

作者：teeyohuang邮箱：[email protected]本文系原创，供交流学习使用，转载请注明出处，谢谢声明：此系列博文根据斯坦福CS229课程，吴恩达主讲所写，为本人自学笔记，写成博客分享出来博文中部分图片和公式都来源于
Teeyohuang·2022-11-25 17:06

深度学习课程大纲_2019 伯克利深度学习课程正式上线，李沐主讲！

红色石头的个人网站：红色石头的个人博客-机器学习、深度学习之路redstonewill.com李沐大神的新课《IntroductiontoDeepLearning》于今年1月份在UC伯克利上线了。同授这门课程的还有李沐的亚马逊同事AlexSmola。课程介绍本课程提供深入学习的实践介绍，包括理论动机和如何在实践中实施。作为课程的一部分，我们将介绍多层感知器、反向传播、自动微分和随机梯度下降。此外，
weixin_39661345·2022-11-25 15:16

吴恩达机器学习作业8（下）--- 推荐系统

文章目录代码分析数据集代码分析导入数据datafile='data/ex8_movies.mat'mat=scipy.io.loadmat(datafile)Y=mat['Y']R=mat['R']nm,nu=Y.shape#Yis1682x943containingratings(1-5)of1682movieson943users#0意味着这部电影没有评分#Ris1682x943contain
NP_hard·2022-11-25 11:24

吴恩达Deeplearning.ai国庆节上新：生成对抗网络（GAN）专项课程

机器之心作者：蛋酱Coursera刚刚上新了GAN的专项课程，或许在这个国庆假期，你应该学习一波了。生成对抗网络（GenerativeAdversarialNetwork，GAN）是当前功能最强大的机器学习模型之一，其能够生成逼真的图像、视频和语音输出结果。基于GAN的应用十分广泛，比如防御对抗攻击和数据匿名化来保护隐私，以提升网络安全性，再比如生成新图像，为黑白图像着色、提高图像分辨率、2D图像
人工智能与算法学习·2022-11-25 10:11

吴恩达深度学习03-2.910 端到端的学习

目录什么是端到端学习（end-to-endlearning）概念举例是否要使用到端到端学习什么是端到端学习（end-to-endlearning）概念简单来说，就是一项有很多中间步骤的任务摆在你面前，它需要对输入x做很多步的中间处理，然后得到目标y。而端到端学习则只学习x对于y的映射，即学习输入x，对应标签输出y，而不考虑中间的过程处理，仅仅通过学习映射的方式来将此任务解决。这样的好处就是省去了中
CtrlZ1·2022-11-25 09:30

动手学深度学习课程笔记ch02

ch_02线性代数线性代数李老师讲得比较少，需要自己下去多看看书，后期还是需要一些矩阵论的知识。基本知识标量：由只有一个元素的张量表示（一般为数据的标签）。#创建标量进行运算importtorchx=torch.tensor([3.0])y=torch.tensor([2.0])x+y,x*y,x/y,x**y输出：(tensor([5.]),tensor([6.]),tensor([1.5000
lazyoneguy·2022-11-25 08:08

【吴恩达机器学习笔记】二、单变量线性回归

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·2022-11-25 08:27

什么是Bounding Box、anchor box?

由于最近在看YOLOv3算法，感觉老是不清楚boundingbox和anchorbox的概念，看完吴恩达的视频后准备写一篇博客记下笔记。em...所以也会用吴恩达视频中的例子来讲。
hjl_heart·2022-11-24 23:56

台湾大学深度学习课程 学习笔记 Lecture 5-2: Sequence Generation

以下内容和图片均来自台湾大学深度学习课程。
scxyz_·2022-11-24 22:37

吴恩达deeplearning.ai系列课程笔记+编程作业(11)第四课 卷积神经网络-第二周 深度卷积网络：实例探究（Deep convolutional models: case studies）

第四门课卷积神经网络（ConvolutionalNeuralNetworks）第二周深度卷积网络：实例探究（Deepconvolutionalmodels:casestudies）文章目录第四门课卷积神经网络（ConvolutionalNeuralNetworks）第二周深度卷积网络：实例探究（Deepconvolutionalmodels:casestudies）2.1为什么要进行实例探究？（W
geekxiaoz·2022-11-24 18:15

吴恩达deeplearning.ai系列课程笔记+编程作业(3)第一课 神经网络和深度学习-第三周：浅层神经网络(Shallow neural networks)

第一门课神经网络和深度学习(NeuralNetworksandDeepLearning)第三周：浅层神经网络(Shallowneuralnetworks)文章目录第一门课神经网络和深度学习(NeuralNetworksandDeepLearning)第三周：浅层神经网络(Shallowneuralnetworks)3.1神经网络概述（NeuralNetworkOverview）3.2神经网络的表示
geekxiaoz·2022-11-24 18:15

原GAN（DCGAN）缺陷

GAN的家族【知多少】_哔哩哔哩_bilibili一、模式崩塌吴恩达视频讲解（模式崩塌）https://www.bilibili.com/video/BV1b54y1k7bY?
我是BQ·2022-11-24 13:38

吴恩达机器学习ex2:逻辑回归

吴恩达机器学习练习二：逻辑回归1.逻辑回归（logisticregression）构建一个可以基于两次测试评分来评估录取可能性的分类模型。
wssssang·2022-11-24 12:54

吴恩达机器学习课程ex2 Python实现

逻辑回归在训练的初始阶段，我们将要构建一个逻辑回归模型来预测，某个学生是否被大学录取。设想你是大学相关部分的管理者，想通过申请学生两次测试的评分，来决定他们是否被录取。现在你拥有之前申请学生的可以用于训练逻辑回归的训练样本集。对于每一个训练样本，你有他们两次测试的评分和最后是被录取的结果数据可视化importnumpyasnpimportpandasaspdimportmatplotlib.pyp
枸杞仙人·2022-11-24 12:52

吴恩达机器学习课程笔记ex2+python代码实现+课程原文档

建立一个逻辑回归模型来预测一个学生是否被大学录取。1.逻辑回归#根据两次考试的结果来确定每个申请人的录取机会importnumpyasnpimportpandasaspdimportmatplotlib.pyplotaspltpath='ex2data1.txt'data=pd.read_csv(path,header=None,names=['Exam1','Exam2','Admitted']
蓝胖砸～·2022-11-24 12:51

保姆级教程吴恩达机器学习ex2Matlab代码解析

%%MachinelearningFromAndrewwithMatlabex2%%Byyouknowwho3_3inCSDN#GirlsHelpGirls#DOUBANEZU%%logisticregression's%1.sigmoidfunction%2.computecostFunctionforlogisticregression%3.Gradientforlogisticregress
youknowwho3_3·2022-11-24 12:49

吴恩达机器学习课后习题ex2

ex2:Logistic_regressionimportnumpyasnpimportpandasaspdimportmatplotlib.pyplotaspltimportscipy.optimizeasopt#优化算法fromsklearn.metricsimportclassification_reportfromsklearnimportlinear_modelScipy优化算法：sci
东流-beyond the label·2022-11-24 12:48

吴恩达机器学习课后习题ex2（续）

ex2:Regularizedlogisticregressionimportnumpyasnpimportmatplotlib.pyplotaspltimportpandasaspdfromsklearnimportlinear_modelimportscipy.optimizeasoptfromsklearn.metricsimportclassification_reportdefraw_d
东流-beyond the label·2022-11-24 12:48

吴恩达机器学习 ex2 逻辑回归及过拟合 python实现

本文的目录~1LogisticRegression1.1visualizingthedata1.2implementation1.2.1sigmoidfunction1.2.2Costfunctionandgradient1.2.3Learningparametersusingfminunc*scipy的一些内容介绍fmin_tnc()使用scipy1.2.4绘制决策边界1.2.5Evaluati
洗千帆，还少年·2022-11-24 12:48

(吴恩达）机器学习课后练习二代码解析（ex2）

作业二：ex2答案解析一、逻辑回归第一部分：ex2.m文件代码解读：clear;closeall;clc;data=load('ex2data1.txt');%读取数据X=data(:,[1,2]);y=data(:,3);%data是一个矩阵，X为第一到第二列所有的行的值组成一个矩阵plotData(X,y);%调用函数（筛选的数据、画图的规则）holdon;%两个轴的名称xlabel('Exa
奔跑的小仙女·2022-11-24 12:18

吴恩达机器学习ex2

文章目录逻辑回归-线性可分基础知识实验要求数据可视化构造数据集构造损失函数梯度下降函数准确率绘制决策边界逻辑回归-线性不可分知识点案例介绍数据可视化特征映射构造数据集正则化损失函数梯度下降函数准确率数据可视化逻辑回归-线性可分基础知识线性可分指的是多变量的情况下，可以用直线将两种类别进行划分这样我们可以对该模型的函数做出如下假设，由于该分类需要将结果分为0和1，如果还是与上次实验一样使用h=the
每个人都是孙笑川·2022-11-24 12:17

吴恩达机器学习ex2 python实现

这个项目包含了吴恩达机器学习ex2的python实现，主要知识点为逻辑回归、正则化。1.逻辑回归构建一个逻辑回归模型来预测，某个学生是否被大学录取。
qq_26402041·2022-11-24 12:46

吴恩达《机器学习》ex2作业第一部分Python实现——逻辑回归 参考

ProgrammingExercise2:LogisticRegression逻辑回归一、所用数据集：34.62365962451697,78.0246928153624,030.28671076822607,43.89499752400101,035.84740876993872,72.90219802708364,060.18259938620976,86.30855209546826,179
小牛不怕码代码·2022-11-24 12:45

吴恩达机器学习ex2任务1+任务2代码

importpandasaspdimportnumpyasnpimportmatplotlib.pyplotaspltimportscipy.optimizeasopt#数据导入path=r'D:\旧盘\研究生部分\吴恩达机器学习
Maturisa·2022-11-24 12:09

深度学习课程自学笔记整理(二)——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·2022-11-24 11:45

李宏毅深度学习课程笔记05——神经网络训练不起来怎么办

1.驻点驻点又称临界点（criticalpoint），是指多元函数一阶导数等于零的点。寻找到函数的驻点时lossfunction的导数为零，根据梯度下降算法，参数不再进行更新，但驻点不一定是我们要寻找的函数的极值点，可能是局部最小值（localminima），也可能是鞍点（saddlepoint），如果不做处理，loss无法继续下降，就会导致优化失败。上图展示了驻点两种情况，首先我们要判断出是哪一
Prunusss·2022-11-24 10:43

吴恩达machine-learning-specialization2022第1周的optional lab

1.使用python和numpy实现一个线性回归要求使用梯度下降法，可视化losslossloss随着迭代次数的变化曲线2.说明2.1拟合函数fw,b(x(i))=wx(i)+bf_{w,b}(x^{(i)})=wx^{(i)}+bfw,b(x(i))=wx(i)+b2.2均方误差损失函数J(w,b)=12m∑i=0m−1(fw,b(x(i))−y(i))2J(w,b)=\frac{1}{2m}\
吴天德少侠·2022-11-24 09:10

国内官网下载pytorch（GPU版）

国内官网下载GPU版pytorch用官网conda下载坑换清华镜像源的坑使用官网pip3下载成功看完了吴恩达的深度学习，然后去B站看李沐的卷积神经网络的代码实现，由于之前学习阶段搭建的环境有点混乱，想着自己能科学上网就打算直接卸载
简生_·2022-11-24 09:15

机器学习 | Week4-Neural Networks Representation神经网络：表达

Week4-NeuralNetworksRepresentation神经网络：表达一、Non-linearHypothesis非线性模型（经过考虑，事实上hypothesis这里更像一个模型而非假设，事实上吴恩达在
Lightfly203·2022-11-24 05:39

吴恩达机器学习系列课程笔记——第八章：神经网络：表述(Neural Networks: Representation)

8.1非线性假设https://www.bilibili.com/video/BV164411b7dx?p=43我们之前学的，无论是线性回归还是逻辑回归都有这样一个缺点，即：当特征太多时，计算的负荷会非常大。下面是一个例子：当我们使用x1、x2的多次项式进行预测时，我们可以应用的很好。之前我们已经看到过，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。但假设我们有非常多的特征，例如大于100
Lishier99·2022-11-24 05:39

吴恩达机器学习笔记（六）Neural NetWorks:Representation

神经网络NeuralNetworks:Representation模型表达I:ModelrepresentationI单个神经元树突:inputwires轴突：outputwires神经元：逻辑单元parameter：weight权重x0:biasunit\biasneuron(偏置单元\偏置神经元）Sigmoid(logistic)activationfunction:non-linearity
哇哈哈哈哈呀哇哈哈哈·2022-11-24 05:09

吴恩达机器学习笔记-神经网络：表述(Neural Networks: Representation)

非线性假设我们之前学的，无论是线性回归还是逻辑回归都有这样一个缺点，即：当特征太多时，计算的负荷会非常大。例如大于100个变量，我们希望用这100个特征来构建一个非线性的多项式模型，结果将是数量非常惊人的特征组合，即便我们只采用两两特征的组合，我们也会有接近5000个组合而成的特征。这对于一般的逻辑回归来说需要计算的特征太多了。假设我们希望训练一个模型来识别视觉对象（例如识别一张图片上是否是一辆汽
_4444yl·2022-11-24 05:09

《吴恩达深度学习》学习笔记003_浅层神经网络(Shallow neural networks)

http://www.ai-start.com/dl2017/html/lesson1-week3.html浅层神经网络(Shallowneuralnetworks)神经网络概述（NeuralNetworkOverview）公式3.1建立联系。图3.1.1:公式3.1：KaTeXparseerror:Expectedgroupafter'\right'atposition52:…d{array}\
Stark0x01·2022-11-24 05:38

【吴恩达深度学习笔记】1.3 浅层神经网络Shallow neural networks

第一门课神经网络和深度学习(NeuralNetworksandDeepLearning)3.1神经网络概述（NeuralNetworkOverview）感觉这块没啥好记的3.2神经网络的表示（NeuralNetworkRepresentation）神经网络包括输入层（inputlayer）：包含输入特征x1,x2,...x_1,x_2,...x1,x2,...隐藏层（hiddenlayer）：训练
贪钱算法还我头发·2022-11-24 05:08

第4周学习笔记-Neural Networks: Representation神经网络表述-Coursera机器学习-吴恩达

文章目录NeuralNetworks:RepresentationMotivationsNon-linearHypotheses非线性假设(函数)NeuronsandtheBrain神经元和大脑NeuralNetworksModelRepresentationI模型表示IModelRepresentationIIApplicationsExamplesandIntuitionsI例子和直观感觉IE
brayo·2022-11-24 05:07

吴恩达机器学习编程作业与笔记（3）第4周：Neural Networks: Representation神经网络：表示

lrCostFunction.m-Logisticregressioncostfunctionfunction[J,grad]=lrCostFunction(theta,X,y,lambda)%LRCOSTFUNCTIONComputecostandgradientforlogisticregressionwith%regularization%J=LRCOSTFUNCTION(theta,X,y
STL_CC·2022-11-24 05:37
上一页 32 33 34 35 36 37 38 39 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他