吴恩达-

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

吴恩达《机器学习》——欠拟合与过拟合

欠拟合与过拟合1.方差与偏差模型的容量、过拟合和欠拟合2.Python代码实践2.1拟合直线2.2拟合多项式数据集、源文件可以在Github项目中获得链接:https://github.com/Raymond-Yang-2001/AndrewNg-Machine-Learing-Homework1.方差与偏差在数学上，估计的偏差被定义为bias(θ^m)=E(θ^m)−θ\rm{bias}(\ha
Ace2NoU·2023-01-08 02:19

吴恩达《机器学习》——KMeans聚类算法

KMeans聚类算法1.无监督学习与KMeans算法2.算法原理2.1一种中心点初始化的方案3.Python实现3.1KMeans实现图像压缩数据集、源文件可以在Github项目中获得链接:https://github.com/Raymond-Yang-2001/AndrewNg-Machine-Learing-Homework1.无监督学习与KMeans算法与前文介绍的算法不同，本文将介绍的两个
Ace2NoU·2023-01-08 02:19

吴恩达机器学习（十七）—— 降维

吴恩达机器学习系列内容的学习目录→\rightarrow→吴恩达机器学习系列内容汇总。
大彤小忆·2023-01-08 02:18

吴恩达《机器学习》——PCA降维

PCA降维1.主成分分析1.1数据降维动机1.2PCA降维目标问题分析2.PCA数学原理分析2.1求协方差矩阵的碎碎念2.2PCA实现方法3.Python实现3.1进行人脸数据压缩数据集、源文件可以在Github项目中获得链接:https://github.com/Raymond-Yang-2001/AndrewNg-Machine-Learing-Homework1.主成分分析1.1数据降维动机
Ace2NoU·2023-01-08 02:16

吴恩达的2022年终盘点：生成式AI、ViT、大模型

来源：智源社区近日，吴恩达在圣诞节的《TheBatch》特刊上发布了一年一度的年终盘点。
风度78·2023-01-07 18:34

吴恩达deeplearning.ai《神经网络和深度学习》-深度学习概论（一）

数据集越大使用深度学习效果越明显对于图片数据适用于CNN神经网络对于音频，文字翻译适用于RNN神经网络对于图像与雷达信息的结合，适用于个性化订制的混合神经网络普通神经网络，CNN，RNN结构化数据与非结构化数据对于小尺寸的训练集，工程师的手工调参更重要。可能SVM等机器学习算法的效果超越神经网络的表现效果。但是对于大数据级别的数据，神经网络的优势突显。越大的数据量，就更需要更大规模的神经网络。来足
丰brother·2023-01-07 18:27

《吴恩达深度学习》学习笔记002_神经网络的编程基础(Basics of Neural Network programming)

http://www.ai-start.com/dl2017/html/lesson1-week2.html神经网络的编程基础(BasicsofNeuralNetworkprogramming)二分类(BinaryClassification)我们来看看一张图片在计算机中是如何表示的，为了保存一张图片，需要保存三个矩阵，它们分别对应图片中的红、绿、蓝三种颜色通道，如果你的图片大小为64x64像素，
Stark0x01·2023-01-07 17:08

吴恩达老师深度学习-Tensorflow+Tutorial-报错解决&学习过程

noglobal_variables_initializer()这是由于版本问题，在前面加上compat.v1即可，如下：init=tf.compat.v1.global_variables_initializer()2.Session的graph为empty将前面添加变量的代码移至session里面，如下：3.哈哈哈这不是20吗？4.sess=tf.compat.v1.Session()prin
甄小胖·2023-01-07 09:28

2022吴恩达机器学习第2课week2

2022吴恩达机器学习课程学习笔记（第二课第二周）1-1TensorFlow实现1-2模型训练细节2-1sigmoid激活函数的替代方案2-2如何选择激活函数如何为输出层选择激活函数如何为隐藏层选择激活函数
天微亮。·2023-01-07 09:57

吴恩达深度学习作业中因版本不同导致的一些报错问题

此文只是记录本人在运行吴恩达深度学习作业时，我用的Python包和作业版本不同，导致作业中一些老版本的功能在新版本中去掉了就报错。
可豌豆·2023-01-07 09:57

吴恩达DeepLearning第二部分作业week3(1) Tensorflow环境搭建以及基本功能介绍

又麻了，搭建环境花了半天。因为兼容问题Tensorflow版本和其他库版本的要求非常复杂。推荐用anaconda和pycharm。anaconda很容易创建各个版本的python的环境。anaconda安装教程：Anaconda安装（过程详细）_基QI学习的博客-CSDN博客_anaconda安装pycharm安装教程：DownloadPyCharm:PythonIDEforProfessiona
我来试试水·2023-01-07 09:55

吴恩达团队 Tensorflow课程学习笔记 2

导读FashionMNIST简介加载数据集数据样本展示模型编译、训练、测试自动结束训练总体的代码FashionMNIST简介•70kimages•10categories•Imagesare28×28•Cantrainaneuralnet•60k作为训练数据，10k作为测试数据•FashionMNIST在Tensorflow里作为一个有API的数据集存在加载数据集fashion_mnist=ker
不动脑筋·2023-01-07 09:25

吴恩达深度学习tensorflow版本问题

1.module'tensorflow'hasnoattribute'global_variables_initializer'问题解决：在import后面加代码tf.compat.v1.disable_eager_execution()然后将源代码改为：y_hat=tf.constant(36,name='y_hat')#Definey_hatconstant.Setto36.y=tf.cons
qq_43178462·2023-01-07 09:24

置信学习寻找噪音样本(noisy label)在NLP任务中的实践

1.背景之前看到吴恩达举办了一个以数据为中心的比赛，使用统一的模型，选手们通过改良扩展训练数据集以改进训练的效果，很感兴趣。
HGlyh·2023-01-07 09:40

《吴恩达深度学习》编程作业-第二周

目录1.题目：基于神经网络思维模式的逻辑回归2.声明3.知识回顾4.Python编程分析4.1.导入需要用的库4.2.数据处理4.2.1.读取数据（包括训练集和测试集）4.2.2.取出数据（包括训练集和测试集，还有标签的值）4.2.3.数据维度处理（设置成为合适的维度）4.2.4.标准化数据4.3.构建神经网络4.3.1.定义激活函数sigmiod（z）4.3.2.初始化参数(w、b)4.3.3.
Jerry---·2023-01-07 08:01

吴恩达deeplearning作业-Planar data classification with one hidden layer

Planardataclassificationwithonehiddenlayer数据集PlanardataclassificationwithonehiddenlayerWelcometoyourweek3programmingassignment.It’stimetobuildyourfirstneuralnetwork,whichwillhaveahiddenlayer.Youwillse
Z_y_forever·2023-01-07 07:07

吴恩达深度学习1笔记week3——浅层神经网络 One hidden layer Neural Network

吴恩达深度学习笔记week3——浅层神经网络OnehiddenlayerNeuralNetwork3.1神经网络概览NeuralNetworksOverview!
Saulty·2023-01-07 07:01

deepLearning-Logistic Regression 逻辑回归单元

一直是跟着cousera上吴恩达的课学下来的，目前到一课程第四周，还没做第四周作业。
OneForPlus·2023-01-07 07:31

deepLearning-One hidden layer Neural Network一个隐藏层的神经网络

一直是跟着cousera上吴恩达的课学下来的，目前到一课程第四周，还没做第四周作业。
OneForPlus·2023-01-07 07:57

吴恩达的2022年终盘点：生成式AI、ViT、大模型

近日，吴恩达在圣诞节的《TheBatch》特刊上发布了一年一度的年终盘点。
智源社区·2023-01-07 07:19

吴恩达机器学习（十八）—— ex7：K-means Clustering and Principal Component Analysis (MATLAB + Python)

吴恩达机器学习系列内容的学习目录→\rightarrow→吴恩达机器学习系列内容汇总。
大彤小忆·2023-01-06 07:12

花书+吴恩达深度学习（二一）线性因子模型（概率PCA，ICA，SFA，稀疏编码）

文章目录0.前言1.概率PCA和因子分析2.独立成分分析ICA3.慢特征分析SFA4.稀疏编码如果这篇文章对你有一点小小的帮助，请给个关注，点个赞喔，我会非常开心的~花书+吴恩达深度学习（二一）线性因子模型
I can丶·2023-01-05 22:15

机器学习——逻辑回归(分类)编程训练

机器学习——逻辑回归(分类)编程训练参考资料：1.黄海广老师：吴恩达机器学习笔记github本文是吴恩达机器学习课程中的第二个编程训练。
苏打水可乐·2023-01-05 19:30

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·2023-01-05 14:54

吴恩达Couresa课程——第二部分：监督学习week2 （已结束）

4.2多项式回归以多元线性回归和特征工程的思想得到一种称为多项式回归的新算法。可以拟合非线性曲线。这是线性回归时使用的预测模型：先看看按照以前的线性回归方法的效果：#createtargetdatax=np.arange(0,20,1)y=1+x**2X=x.reshape(-1,1)model_w,model_b=run_gradient_descent_feng(X,y,iterations=
jqqjrr123·2023-01-05 13:38

吴恩达Couresa课程——第二部分：监督学习week2 （未完待续，见下一篇）

如有任何公式错误或者文字说明错误，请留言指正哦~~~~问题引入描述：下面您需根据以下数据构建一个线性回归模型，并预测一栋拥有1200平方英尺、3间卧室、1层楼、40年历史的房子。一、多元线性回归模型1.1多元线性回归函数以上表格内给出了4个特征（大小、卧室数量、地板数量、房子年龄）分别记为x1、x2、x3、x4，每个特征对应一个wi。多元特征线性回归函数一般形式为写成向量形式为：w和x之间是点乘。
jqqjrr123·2023-01-05 13:02

深度学习 颜色识别_吴恩达深度学习笔记(136) | 语音识别

语音识别(Speechrecognition)现今，最令人振奋的发展之一，就是seq2seq模型(sequence-to-sequencemodels)在语音识别方面准确性有了很大的提升。这门课程已经接近尾声，现在我想通过剩下笔记，来告诉你们，seq2seq模型是如何应用于音频数据的(audiodata)，比如语音(thespeech)。什么是语音视频问题呢？现在你有一个音频片段x(anaudio
weixin_39747577·2023-01-05 11:53

机器学习（9）--异常检测（多元高斯分布等）

吴恩达ML课程课后总结，以供复习、总结、温故知新，也欢迎诸位评论讨论分享，一起探讨一起进步：上一篇:机器学习（8）--PCA算法及python中sklearn模块实现https://blog.csdn.net
执契·2023-01-05 11:12

卷积神经网络边缘检测实例

注：本文是吴恩达网易公开课的学习笔记电脑如何搞清楚一张图片中的物体？首先电脑需要检测楚图片中的垂直边缘（verticaledge），水平边缘（horizontal）。电脑通过卷积检测出做边缘检测。
程序之巅·2023-01-05 10:31

计算神经网络的输出

注，本文是在学习吴恩达老师（AndrewNg）网易公开课课程的的学习总结和理解，希望与君共勉！神经网络的输出究竟是怎么计算出来的，你所看到的是像Logistic那样的运算过程，但是会运算很多遍。
程序之巅·2023-01-05 10:01

吴恩达Course1《神经网络与深度学习》week2:神经网络基础

1.二元分类举例说明逻辑回归logisticregression是一个用于二分类的算法。什么是二分类呢？举一个例子：输入一张图片到逻辑回归模型中，该算法输出得到1（是猫）或0（不是猫）。更具体来说，应该如何将一张图片转化为输入值呢？在计算机中，一张图片的存储方式是用三个矩阵分别存储图片中的红、绿、蓝。假设一张图片的大小为64*64px，则一张图片的总数据量为64*64*3=12288。顺序取出红、
weixin_44748589·2023-01-05 09:58

吴恩达第五部分序列模型 week1—— 搭建循环神经网络、LSTM

未来应该不太接触NLP，所以就大概看了下视频。主要完成了用numpy构造RNN和LSTM前向，后向不推导了。最后附基于LSTM参加比赛的代码，LSTM时间序列模型比赛利器。RNN构造：importnumpyasnpimportrnn_utilsdefrnn_unit(apre,x,wax,waa,wya,ba,by):a=np.tanh(np.dot(wax,x.T)+np.dot(waa,apr
我来试试水·2023-01-05 09:50

吴恩达神经网络和深度学习-week3-浅层神经网络的要点记录

本文所有截图来自于吴恩达深度学习课视频课程。1、神经网络的表示上图是一个双层神经网络的例子，包括一层隐藏层和一层输出层，输入层不算做标准层，有时也将输入层成为第0层。
m0_59838738·2023-01-05 09:19

『吴恩达神经网络和深度学习补充资料Part1 DeepLearning-WEEK2』

[WEEK2]BasicsofNeuralNetworkprogramming可能大家学完了这一周的课，虽然吴教授通过图像的方式给大家直观的讲解了何为梯度的概念，但其实大家对梯度还没有很清楚的理解。下面我给出较为完整的定义，并让你知道其实我们不只有“梯度下降。下面采用回形针【一个人工智能的诞生】中的截图，若有版权问题请及时联系删除在微积分中，对多元函数（即含有很多个未知数的函数）求偏导数（如果你没
error13·2023-01-05 09:48

吴恩达深度学习系列课程随记——Course3Week2

1.进行误差分析第一，你应该找一组错误样本第二，观察错误标记的样本，假阳性（falsepositives）和假阴性（falsenegatives）第三，统计属于不同错误类型的错误数量，比如把狗分成猫，把狮子分成猫，太模糊分错了这样你可以发现解决问题的方向，但注意选择首要的方向不能只看错误占比，要考虑解决问题的代价。2.清除标注错误的数据训练集标注错了：如果是少量的随机性错误，可以不管，深度学习算法
Asteries·2023-01-05 09:15

吴恩达【神经网络和深度学习】Week2——神经网络基础

文章目录1、LogisticRegressionasaNeuralNetwork1.1、BinaryClassification1.1.1、Introduction1.1.2、Notations1.2、LogisticRegression1.3、LogisticRegressionCostFunction1.4、GradientDescent1.5、Derivatives（导数）1.6、Mored
小白有颗大白梦·2023-01-05 09:45

吴恩达《机器学习》——神经网络与反向传播

神经网络与反向传播1.神经网络1.1神经网络的前馈传播1.2利用反向传播求梯度1.2.1正则化梯度2.目标函数（损失函数）2.1PyTorch官方文档版本2.2吴恩达讲解版本2.3两种版本的区别在哪？
Ace2NoU·2023-01-05 09:43

吴恩达之神经网络和深度学习-2.5导数

这一节主要是让大家对导数有一个直接的认识，从简单的一元函数进行学习，那么什么是导数，导数在数学中如何进行表示，若是刚刚学过的童靴应该是很清楚的，那对于没有学过的，或者学习了好久又忘了的，我将用我自身的理解，给大家简单的复习一下，并在下一讲给出大家详细的公式供大家参考。首先，我们要知道什么是导数。导数的官方定义：设函数y=f(x)在点x0的某个邻域内有定义当自变量x在x0处有增量△x(x0+△x也在
为援不可图·2023-01-05 08:14

吴恩达机器学习课程C1W2_lab03 运行时找不到lab_utils_multi模块

如果在自己写程序遇到找不到lab_utils_multi模块的情况，可以按下列步骤解决：1.在coursera实验室文件中，虽然看不到这个文件，但是可以点击下载所有文件，下载完成后在下载文件中就能找到lab_utils_multi.py2.把lab_utils_multi.py复制到当前你的程序所在的目录下面，再按照课程代码运行即可
m0_59884851·2023-01-04 20:10

机器学习笔记—吴恩达

该部分整理了关于机器学习基础理论的知识，整合了其他大佬的笔记做了一份x-mind图。需要的话可以自取。还有相关的数学基础理论也做了部分笔记链接：https://pan.baidu.com/s/1YoNUvLVNROk_xqeXd8T4GA提取码：ldd1后续可能也在这些里面更新
这里是阿丁·2023-01-04 15:37

吴恩达机器学习踩过的坑

1.lab_utils_uni文件，这是吴老师自己写的代码？百度叫piplab什么的都无效。有需要的直接去github取别人整理出来的这个文件。GitHub-kaieye/2022-Machine-Learning-Specialization
双鱼--玉佩·2023-01-04 15:05

吴恩达老师机器学习，报错No module named ‘lab_utils_uni‘

报错：Nomodulenamed‘lab_utils_uni‘第一步：下载三个文件第二步：复制到根目录下：大功告成：
Violet_Stray·2023-01-04 15:29
上一页 17 18 19 20 21 22 23 24 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他