吴恩达深度学习课程

【保姆级】anaconda及jupyter配置(新手友好）

最近学习了吴恩达2022的机器学习视频，里面的jupyter环境配置困扰了我好久，我查看学习了大量的csdn博文，将必要的内容汇总如下：目录1.anaconda模块介绍2.AnacondaPrompt虚拟环境创建
๑҉干脆儿面·2022-11-21 23:46

【吴恩达-course1-第二周-编程作业】实验记录-【Jupyter方式】

返回总目录本文是个人学习【中文】【吴恩达课后编程作业】Course1-神经网络和深度学习-第二周作业的详细实现过程。下面会围绕这篇文章来叙述。
Acubaa·2022-11-21 23:42

吴恩达机器学习anaconda中配置虚拟环境（Tensorflow）(jupyter notebook)

因为此处只是创建运行吴恩达大佬机器学习课程的虚拟环境，所以只需要下cpu版本即可1.首先安装好anaconda环境此处不做说明2.打开AnacondaPrompt在base环境中创建环境在命令行输入condacreate-n
qq_43669538·2022-11-21 23:28

VS Code在WSL及conda虚拟环境中使用jupyter notebook编写Octave代码

最近在学习吴恩达老师的机器学习课程，推荐使用的是Octave工具，这里配一波环境（默认已经装好VSCode和WSL，没装的友友看别的友友的博客）有错误或者有疑问的欢迎底下评论。
JoyceLiang-sudo·2022-11-21 22:32

Python · House Prices - Advanced Regression TechniquesKaggle实战：预测房价

1.动手学深度学习课程版本目录1.动手学深度学习课程版本1.1下载和缓存数据集¶1.2数据预处理1.3训练1.4K折交叉验证1.5模型选择1.6提交你的Kaggle预测Kaggle上的代码：http:/
pxyp123·2022-11-21 17:06

在计算机视觉方向如何快速提升自己?

如周志华老师的《机器学习》、李航老师的《统计学习方法》、《机器学习实践》、吴恩达老师的cs229、李宏毅老师的机器学习视频（B站就有
小白学视觉·2022-11-21 16:24

第一次周报

从本周开始学习李宏毅2022机器学习深度学习课程。本门课程一共分为十五个章节。
孙源峰·2022-11-21 15:37

吴恩达机器学习python实现1 单变量线性回归

单变量线性回归0、引入要用到的库importnumpyasnpimportmatplotlib.pyplotasplt1、读取数据，绘制图像withopen(文件路径)asf:populations=[]profit=[]forlineinf.readlines():populations.append(float(line.split(',')[0]))profit.append(float(l
Scarlett1007·2022-11-21 15:30

吴恩达机器学习课后作业ex1（python实现）

作业介绍吴恩达老师的作业资源可以在github或者网上找到。ex1主要是对线性回归的一些复习和梯度下降、损失函数等的具体代码实现。pdf文件是对作业的说明。
糖醋web排骨·2022-11-21 15:59

梯度下降法/正规方程求解线性回归问题Python实现

算法逻辑请参考吴恩达机器学习相关视频梯度下降法importnumpyasnpimportmatplotlib.pyplotaspltdefcompute_cost(theta0,theta1,X,y):
Rucooo·2022-11-21 15:48

吴恩达反向传播算法推导,吴恩达卷积神经网络ppt

如何评价吴恩达的学术地位吴恩达(AndrewNg)，斯坦福计算机系的副教授，师从机器学习的大师级人物MichaelI.Jordan。
普通网友·2022-11-21 10:13

神经网络拟合二元函数曲面实践

简介AndrewNg深度学习课程的第一周第三次作业是实现一个浅层神经网络，课程方给的框架很有意思，但该作业的输出是类别，我想实践一下该网络能否改造用来解决回归问题，具体而言是拟合一个函数z=x2+y2,
xieju0605·2022-11-21 09:55

【学术相关】为什么很多机器学习和深度学习的论文复现不了？

吴恩达老师曾经说过，看一篇论文的关键，是复现作者的算法。然而，很多论文根本就复现不了，这是为什么呢？
风度78·2022-11-21 08:33

python拟合反比例函数_吴恩达机器学习——正则化

7.1过拟合的问题过拟合问题简单来说就是泛化能力差：所建的机器学习模型在训练样本中准确率很高，在验证数据集中准确率低——也就是说模型难以推广到新的数据。下图是一个回归问题的例子：第一个模型是一个线性模型，欠拟合，不能很好地适应我们的训练集；第三个模型是一个四次方的模型，过于强调拟合原始数据，而丢失了算法的本质：预测新数据。我们可以看出，若给出一个新的值使之预测，它将表现的很差，是过拟合，虽然能非常
weixin_39802784·2022-11-21 03:16

科研笔记

吴恩达，如果你读了5-20篇论文，你可以实现一个语音识别系
ruichuang2·2022-11-21 01:32

【吴恩达深度学习week4编程作业】

本文参考该播主实现，需要的文件在博主的文章里：https://blog.csdn.net/u013733326/article/details/79767169这次我先记录我自己打代码时候的错误，最后把添加注释的代码放到最后；1.初始化参数b1在初始化b1的时候我发现我没有把b1初始化为参数为0的数组，并且维度设置的也不对，最后导致错误：Traceback(mostrecentcalllast):
无 眠·2022-11-20 23:28

吴恩达机器学习系列课程笔记——第三章：线性代数回顾(Linear Algebra Review)

3.1矩阵和向量https://www.bilibili.com/video/BV164411b7dx?p=12矩阵的维数即行数×列数矩阵元素（矩阵项）：Aij指第i行，第j列的元素。向量是一种特殊的矩阵，讲义中的向量一般都是列向量，如如下图为1索引向量和0索引向量，左图为1索引向量，右图为0索引向量，一般我们用1索引向量。3.2加法和标量乘法https://www.bilibili.com/vi
Lishier99·2022-11-20 23:43

吴恩达《机器学习》笔记——第三章《线性代数复习》

3、LinearAlgebrareview（线性代数复习）3.1Matricesandvectors（矩阵和向量）3.2Additionandscalarmultiplication（加法和标量乘法）3.3Matrix-vectormultiplication（矩阵向量乘法）3.4Matrix-matrixmultiplication（矩阵乘法）3.5Matrixmultiplicationpro
肥胖边缘疯狂蹦迪·2022-11-20 23:06

吴恩达机器学习笔记--第一周-4.线性代数复习

week1-4.LinearAlgebraReview一、MatricsandVectors二、AdditionandScalar三、MatrixVectorMultiplication四、MatrixMatrixMultiplication五、InverseandTransposeprediction=datamatrix*parameters
Loki97·2022-11-20 23:34

吴恩达《机器学习》课程笔记---第三章Linear Algebra Review

本章节主要介绍了些线性代数中的基础知识的回顾。TableofContents矩阵，向量基本概念矩阵运算矩阵运算法则单位矩阵矩阵的逆矩阵的转置矩阵，向量基本概念主要讲了些基本概念，可由图直观理解。矩阵向量矩阵运算矩阵加，减法（需要两个矩阵规模完全一致）实数和矩阵的运算（会对矩阵中每一个元素应用操作）矩阵乘法（两个矩阵相乘，需要第一个矩阵的列数和第二个矩阵的行数相同）矩阵运算法则不符合交换律满足结合律
Ekko、无心·2022-11-20 23:31

【吴恩达机器学习笔记】1引言、单变量线性回归、线性代数回顾

1引言（Introduction）1.1欢迎（Welcome）1.2机器学习是什么（Whatismachinelearning?）ArthurSamuel(1959)：机器学习是在没有进行特定编程的情况下，给予计算机学习能力的领域。TomMitchell(1998)：一个好的学习问题定义如下，一个程序被认为能从经验E中学习，解决任务T，达到性能度量值P，当且仅当有了经验E后，经过P评判，程序在处理
贪钱算法还我头发·2022-11-20 23:01

Linear Algebra review - Matrix multiplication properties

摘要:本文是吴恩达(AndrewNg)老师《机器学习》课程，第三章《线性代数回顾》中第18课时《矩阵乘法特征》的视频原文字幕。
王彩旗 edwardwangcq.com·2022-11-20 23:30

【含课程pdf & 测验答案】吴恩达-机器学习公开课 学习笔记 Week1-4 Linear Algebra Review(optional)

吴恩达-机器学习公开课学习笔记Week1-4ParameterLearning1-4LinearAlgebraReview课程内容1-4-1MatricesandVectors矩阵向量1-4-2AdditionandScalarMultiplication
CodingRae·2022-11-20 23:27

机器学习/深度学习资源下载合集（持续更新...）

文章首发于Github，若下载资源请跳转Github.文章目录1.视频：1.1.吴恩达老师机器学习课程：1.2.吴恩达深度学习课程：1.3.斯坦福CS231n:ConvolutionalNeuralNetw
强劲九·2022-11-20 22:59

李宏毅机器学习Lesson2——Logistic Regression实现收入预测

李宏毅机器学习Lesson2——LogisticRegression实现收入预测数据集介绍加载数据集、标准化定义相关函数交叉验证训练模型（小小地实现了一下损失函数惩罚项中系数的选择）此处也用到了黄海广博士在吴恩达机器学习笔记中的代码
hifive(2020?)·2022-11-20 22:33

机器学习笔记（七）-神经网络：学习

本次学习笔记主要记录学习机器学习时的各种记录，包括吴恩达老师视频学习、李宏毅老师视频学习、周志华老师的《机器学习》（西瓜书）以及李航老师的《统计学习方法》。
997and·2022-11-20 21:31

Inception网络（Inception Network）

来源：Coursera吴恩达深度学习课程在这篇文章Inception网络模块（InceptionNetworkModule）中已经介绍了Inception网络组成模块的基本原理。
双木的木·2022-11-20 19:12

深度学习 两层隐藏层网络实现猫狗分类

importnumpyasnpimporttorchfromtorchimportnnimporth5pyfromtorch.nnimportinitdefload_data():train_dataset=h5py.File('E:\文档\【吴恩达课后编程作业
无bug代码搬运工·2022-11-20 17:04

各种数据集大汇总（链接已更新，永久有效）

不管是要学习深度学习课程还是研究深度学习项目，数据集都是必不可少的，但网上的数据集大多都无法直接下载，这里为大家总结了各种数据集，而且都是已经标注好的，直接百度网盘下载。
住在代码的家·2022-11-20 11:01

Chapter4：多变量线性回归：AndrewNg吴恩达《机器学习》笔记

文章目录4.1多维特征4.2多变量梯度下降4.2.1算法介绍4.2.2梯度下降法实践1：特征缩放4.2.3梯度下降法实践2：学习率4.3特征与多项式回归4.3.1自己选择特征4.3.2多项式回归4.4正规方程（Normalequation）——相比于梯度下降法4.4.1正规方程vs.梯度下降法4.4.2正规方程算法过程4.4.3重要结论4.4.4正规方程的不可逆性（可选）4.1多维特征图：增添更多
半旧。·2022-11-20 10:24

2022吴恩达 第二课第一周 学习总结

学习目标：神经网络目的：仿照人类大脑神经元工作方式，对模型进行训练（虽然一直没有实现）我们按照该目的构造神经网络，首先要明确我们输入的是什么，以及期望的输出是什么。以图像识别为例：目标是给定一张照片，能够识别出该照片数据什么类别因此，在训练过程中，我们将图片作为特征输入，其类别作为标签，进行训练学习1.一张图片如何表示输入特征呢？将图片进行分割，分割为n*n矩阵的形式，每个点都表示其中的像素值(0
星光斑斓里放歌·2022-11-20 08:03

2022吴恩达 第一课第三周 学习总结

主要学习内容为：逻辑回归决策边界损失函数costfunction过拟合正则化首先要明白逻辑回归是一个分类任务，我们最终算法的目标不再是得到一个具体的数，而是有限的类别。比如二分类，要判断输入的特征向量属于第一种分类，还是第二种分类。一般用0/1、true/false……表示。因此对于样本数据（,y）中的y值，需要对他进行处理，通常能够以1、0的方式进行分类。那么要如何的对y值进行处理呢？使用sig
星光斑斓里放歌·2022-11-20 08:02

2022吴恩达 第一课第一周 学习总结

01_回归（线性回归Linearregression）属于“有监督学习”：(输入特征，目标标签)目标标签是一个预测的数：inf目标：通过大量的样本数据(输入特征，目标标签)进行模型训练，得到一个训练后的模型。当我们拿到新的值（输入特征）将该值放入我们训练好的模型中。可以得到一个预测的结果：预测标签。使得该预测标签与真实值超级无敌接近。怎么做？1.我们首先获得大量的训练样本数据(输入特征，目标标签)
星光斑斓里放歌·2022-11-20 08:02

2022吴恩达 第一课第二周 学习总结

02_多元线性回归、多项式回归在我们现实生活中，想要对一个数据进行预测时，能够影响其结果的往往不会是一种因素。因此当我们进行模型训练时，样本数据不再是（特征，标签）类别，而是（特征1，特征2，特征3…，标签），此时一个标签由多个特征来表示，（x1，x2，x3……，y）称为多维特征。而我们在模型中训练的目标函数也变为f（x1，x2……，xn）=w1x1+w2x2+……wnxn+b，因此该算法称为多元
星光斑斓里放歌·2022-11-20 08:21

吴恩达ML WEEK6 练习三（神经网络）+神经网络学习

吴恩达机器学习第六周0总结1练习三：神经网络1.1前向传播和预测2神经网络学习2.1代价函数2.2反向传播算法2.3理解反向传播2.4展开参数（将矩阵展开成向量）2.5梯度检验2.6随机初始化2.7综合
没有bug的一天·2022-11-20 06:48

吴恩达ML WEEK7 机器学习

吴恩达机器学习第七周0总结1应用机器学习的建议1.1决定下一步做什么1.2评估一个假设1.3模型选择和交叉验证集1.4诊断偏差（bais）和方差（variance）1.5正则化和偏差/方差1.6学习曲线
没有bug的一天·2022-11-20 06:48

吴恩达ML WEEK8+9 练习四：神经网络+SVM+聚类

吴恩达机器学习第八周和第九周0总结1练习四：神经网络1.1神经网络1.1.1数据可视化1.1.2模型表述1.1.3前向和代价函数1.1.4代价函数正则化1.2反向传播1.2.1sigmoid函数的梯度1.2.2
没有bug的一天·2022-11-20 06:48

吴恩达ML WEEK5 练习二（逻辑回归）+神经网络表示+练习三（多分类）

吴恩达机器学习第五周0总结1练习二：逻辑回归1.1逻辑回归1.1.1可视化数据1.1.2sigmoid函数1.1.3代价函数和梯度1.1.3fmin_bfgs优化函数1.1.4评估逻辑回归1.2正则化的逻辑回归
没有bug的一天·2022-11-20 06:47

吴恩达ML WEEK3 练习一代码（线性回归）

吴恩达机器学习第三周0总结1简单MATLAB函数1.2warmUpExercise.m2单变量线性回归2.1绘制2.2梯度下降2.2.1更新公式2.2.2实施2.2.3完成代价函数的计算2.2.4梯度下降
没有bug的一天·2022-11-20 06:17

吴恩达ML WEEK4 逻辑回归+正则化

吴恩达机器学习第四周0总结1逻辑回归（LogisticRegression）1.1分类问题1.2假说hθ(x)h_\theta(x)hθ(x)的表示1.3决策边界（decisionboundary）1.4
没有bug的一天·2022-11-20 06:17

动手深度学习 李沐 pytorch版本 基于Win10环境配置

动手深度学习李沐pytorch版本基于Win10环境配置前言步骤1.开源书的网址中下载后期学习所用的包2.开始创建前言提示：1.这篇文章用来记录我在B站学习李沐老师的动手学深度学习课程中的环境配置过程；
Nommmmmore·2022-11-20 04:25

吴恩达机器学习课程笔记

卡内基梅隆大学的TomMitchell提出一种机器学习的定义：一个程序被认为能从经验E中学习，解决任务T，达到性能度量值P，当且仅当，有了经验E后，经过P评判，程序在处理T时的性能有所提升。根据Tom定义的机器学习定义：P(performancemeasure)是性能度量,T(task)是任务,E(experience)是经验。记住ETP。机器学习最常使用：监督学习，无监督学习监督学习：监督学习是
wjw今天努力了吗·2022-11-20 04:34

吴恩达机器学习课程笔记一

吴恩达机器学习课程笔记前言监督学习---`Supervisedlearning`无监督学习---`Unsupervisedlearning`聚类异常检测降维增强学习---`Reinforcementlearning
Chen的博客·2022-11-20 04:30

深度学习-吴恩达-笔记-3-浅层神经网络

目录神经网络概述神经网络的表示计算一个神经网络的输出多样本向量化向量化实现的解释激活函数为什么需要非线性激活函数激活函数的导数神经网络的梯度下降直观理解反向传播随机初始化【此为本人学习吴恩达的深度学习课程的笔记记录
Leon.ENV·2022-11-20 04:46

吴恩达机器学习系列课程笔记

视频资源获取：https://www.bilibili.com/video/BV164411b7dx?p=1有监督学习：给算法包含正确答案的数据集，算法的任务就是根据数据集给出更多的正确答案。回归问题（Regression）：预测一个连续的输出值，预测出连续值属性的类型。在回归问题中，我们试图在连续输出中预测结果，这意味着我们试图将输入变量映射到某个连续函数。分类问题（Classification
chen_nnn·2022-11-20 04:15

吴恩达机器学习课程笔记二

文章目录神经网络基础知识神经网络前向传播伪代码前向传播中单个神经元的作用矩阵加速运算训练模型的细节常用激活函数ReLUSigmoidLinearactivationfunctiontanh选择激活函数选择`输出层`的激活函数选择`隐藏层`的激活函数为什么需要非线性激活函数Softmax激活函数多标签分类问题梯度下降更好训练神经网络的方式-Adam神经网络基础知识neuron:神经元activati
Chen的博客·2022-11-20 04:07

机器学习之逻辑回归中正则化——正则参数的正则约束力

机器学习之逻辑回归中正则化的正则参数1、数据背景我们的数据来源为《吴恩达机器学期——第二周》相关数据集可在coursera当中获取下载，其课程来源为StanfordUniversity，本篇文章中我们不会过多讲解手撸的回归算法
是Aaron_Huang对吗·2022-11-20 03:03

Matlab吴恩达机器学习编程练习ex2：逻辑回归Logistic Regression

这篇文章是基于bilibili的吴恩达机器学习经典名课【中英字幕】所写的第三周的编程练习，这个作业是关于逻辑回归的。
Zhanghp947·2022-11-20 03:02

吴恩达机器学习逻辑回归章节作业二：利用正则化逻辑回归模型预测来自制造工厂的微芯片是否通过质量保证（python实现）

吴恩达机器学习作业二：利用正则化逻辑回归模型预测来自制造工厂的微芯片是否通过质量保证（python实现）该文是针对吴恩达机器学习逻辑回归章节作业任务二，利用正则化逻辑回归模型预测来自制造工厂的微芯片是否通过质量保证
墨玲珑·2022-11-20 03:01

吴恩达机器学习(五)逻辑回归练习-二分类练习

1、基础内容（1）公式总结:（2）内容回归:逻辑回归主要是进行二分类和多分类。二分类中，分为线性可分和线性不可分。对于线性回归模型，我们定义的代价函数是所有模型误差的平方和。理论上来说，我们也可以对逻辑回归模型沿用这个定义，但是问题在于，当我们将hθ(x){h_\theta}(x)hθ(x)带入到这样定义了的代价函数中时，我们得到的代价函数将是一个非凸函数（non-convexfunction）。
undo_try·2022-11-20 03:48
上一页 35 36 37 38 39 40 41 42 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他