吴恩达-Coursera-ML

吴恩达深度学习：从logistic回归到深层神经网络

注意：这篇文章需要有logistic回归基础，可以参考我的这一篇文章吴恩达机器学习：从单变量线性回归到Logistic回归1.神经网络概念首先我们要了解神经网络的形式，之所以被叫做神经网络，是因为它的工作原理和人的大脑神经相似
若能绽放光丶·2022-11-27 09:56

神经网络和深度学习-第二周神经网络基础-第三节：Logistic 回归损失函数

本系列博客是吴恩达(AndrewNg)深度学习工程师课程笔记。全部课程请查看吴恩达(AndrewNg)深度学习工程师课程目录在上一节中，讲解的是logistic回归模型。
geekidentity·2022-11-27 09:52

机器学习笔记（十一）-聚类（Clustering）

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·2022-11-27 08:03

《吴恩达机器学习》学习笔记008_聚类(Clustering)

http://www.ai-start.com/ml2014/html/week8.html聚类(Clustering)K-Means聚类用μ1μ^1μ1,μ2μ^2μ2,…,μkμ^kμk来表示聚类中心，用c(1)c^{(1)}c(1),c(2)c^{(2)}c(2),…,c(m)c^{(m)}c(m)来存储与第iii个实例数据最近的聚类中心的索引，K-均值算法的伪代码如下：Repeat{for
Stark0x01·2022-11-27 08:49

机器学习笔记（参考吴恩达机器学习视频笔记）12_聚类

12聚类监督学习中，训练集带有标签，目标是找到能够区分正负样本的决策边界，需要根据标签拟合一个假设函数。非监督学习中，需要将无标签的训练数据输入到一个算法，此算法可以找到这些数据的内在结构。一个能够根据数据的内在结构，将它们分成几个不同的点集（或簇）的算法，就被称为聚类算法。聚类算法是一个非监督学习的算法。12.1K-Means算法K-means是以距离作为评价标准的一种聚类算法，即距离越近，相似
Gary.fu·2022-11-27 08:43

Datawhale-Task3决策树算法梳理

.决策树的不同分类算法（ID3算法、C4.5、CART分类树）的原理及应用场景3.回归树原理4.决策树防止过拟合手段5.模型评估6.sklearn参数详解，Python绘制决策树参考：西瓜书cs229吴恩达机器学习课程李航统计学习谷歌搜索公式推导参考
Zzichen_ovo·2022-11-27 03:07

吴恩达：2020 年，这些 AI 大事件让我无法忘怀...

作者|吴恩达编译|陈大鑫、贝爽编辑|青暮转自|AI科技评论日前，吴恩达在圣诞节之际回顾了2020年AI的一些重大事件，包括AI应对新冠疫情、数据集存在种族偏见、对抗虚假信息算法、AlphaFold预测蛋白质三维结构
湾区人工智能·2022-11-27 03:58

[机器学习学习笔记]单变量的梯度下降

p=18视频课来自b站吴恩达机器学习，第二章单变量的梯度下降代码尝试。
Pinospot·2022-11-26 22:29

吴恩达机器学习系列课程笔记——第十二章：支持向量机(Support Vector Machines)

12.1优化目标https://www.bilibili.com/video/BV164411b7dx?p=70到目前为止,你已经见过一系列不同的学习算法。在监督学习中，许多学习算法的性能都非常类似，因此，重要的不是你该选择使用学习算法A还是学习算法B，**而更重要的是，应用这些算法时，所创建的大量数据在应用这些算法时，表现情况通常依赖于你的水平。**比如：你为学习算法所设计的特征量的选择，以及如
Lishier99·2022-11-26 21:53

神经网络常见激活函数总结

最近在看大佬们整理的吴恩达老师的深度学习笔记，在这里总结一些常用的激活函数，以及它们的特点和选择。
一颗小芋圆·2022-11-26 20:07

机器学习——正则化逻辑回归(分类)编程训练

机器学习——正则化逻辑回归(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的第二部分。
苏打水可乐·2022-11-26 20:29

《机器学习》学习笔记3：逻辑回归与正则化

Week3逻辑回归与正则化基于吴恩达《机器学习》课程参考黄海广的笔记本篇博客为第三周的内容。
Mengo_x·2022-11-26 19:56

【pytorch学习笔记六】深度学习基础（线性回归、损失函数、梯度下降、欠拟合与过拟合，正则化）

深度学习的基础理论学习可到B站上看吴恩达老师的深
QHCV·2022-11-26 19:18

多变量线性回归——梯度下降MATLAB矩阵实现

参考吴恩达机器学习视频，此为其线性回归作业。ex1_2多变量的假设h表示为：代价函数：找出使得代价函数最小的一系列参数。
Phyllis_C·2022-11-26 14:12

吴恩达 机器学习 ex1 单变量线性回归代码详解（非向量化写法）超级适合小白看

前几天刚学完吴恩达老师的机器学习课程，然后尝试着去完成课后的编程作业，在这里分享一下ex1其中的单变量线性回归的心得。这一版是使用的非向量化的方式去编程。我会把每行代码的作用给大家解释清楚。
西西不秃头·2022-11-26 13:41

2022吴恩达机器学习：Advanced Learning Algorithm2.1/2.2

2.1神经网络中的层工作原理：以2022吴恩达机器学习：AdvancedLearningAlgorithm1中的模型为例，此处的神经网络是逻辑回归的一种版本，因此计算使用的函数是Sigmoid第一层的计算第二层的计算右上角方括号标志层数结果预测输出结果
m0_54237635·2022-11-26 11:42

2022吴恩达机器学习：Advanced Learning Algorithm3.3

3.3构建一个神经网络这是在之前的学习中得到的实现代码：一次计算一层TensorFlow有一种不同的方式来实现前向预测例1：烤咖啡和之前一样，需要创建第一层，第二层。但是现在不需要手动获取第一层的激活值并传给第二层，而是使用Sequential函数将第一层和第二层串在一起形成一个神经网络。然后给出需要训练的数据，调用model实现各种功能。如model.comple(…)、model.fit()、
m0_54237635·2022-11-26 11:42

2022吴恩达机器学习：Advanced Learning Algorithm3.2

3.1TensorFlow中的数据TensorFlow和Numpy如何表示数据numpy表示矩阵：TansorFlow的设计是为了处理非常大的数据集，将数据表示为矩阵形式，TensorFlow内部计算效率会更高print(a1)或者print(a2)得到：tf.Tensor([[0.20.7.0.3]],shape=(1,3),dtype=float32)tf.Tensor([[0.8]],sha
m0_54237635·2022-11-26 11:41

吴恩达Coursera深度学习课程 DeepLearning.ai 提炼笔记（3-2）-- 机器学习策略（2）

https://www.zhihu.com/people/dashuxianshengGitHub：https://github.com/KoalaTree2017年10月23日以下为在Coursera上吴恩达老师的
大树先生的博客·2022-11-26 11:35

2022吴恩达机器学习：Advanced Learning Algorithm1

1.1课程学习内容：神经网络（深度学习算法）、决策树神经网络：学习工作原理，学习如何进行推断、预测，学习如何训练神经网络1.2神经网络的起源、发展为什么神经网络最近几年才开始起飞？听过课后觉得应该是因为数据太多了吧1.3神经网络是如何工作的例：需求分析通过T-shirt的价格预测其是否是畅销品输入特征是price输出一个概率值，在神经网络中叫激活值上图是对单个神经元的描述，由图知：神经元的简化模型
m0_54237635·2022-11-26 11:02

机器学习基础----基于吴恩达机器学习课程的笔记

写在前面：本篇笔记是对于机器学习课程及其体系的简单梳理，方便以后的查找，涉及的原理解释较少，一些算法的实现和优化待日后补充。机器学习基础文章目录机器学习基础一、监督学习与无监督学习二、回归问题一、函数模型----线性回归二、算法模型（一）梯度下降算法（二）正规方程法三、分类问题先从二分类开始（0或1）：一、函数模型----Logistic回归二、算法模型（一）梯度下降算法多分类：四、过拟合的问题一
W.xyz·2022-11-25 22:07

吴恩达机器学习作业Python实现(八)：异常检测与推荐系统

目录1异常检测1.1高斯分布1.2高斯分布参数估计1.3选择阈值ε1.4高维数据集2推荐系统2.1电影评分数据集2.2协同过滤算法2.2.1协同过滤代价函数2.2.2协同过滤梯度2.3学习模型2.3.1Recommendations3参考文章1异常检测在这部分练习中，你将实现一个异常检测算法来检测服务器计算机中的异常行为，这些特征度量着每个服务器的吞吐量和响应延迟，当你的服务器在运行时，收集了m=
Hyxx.·2022-11-25 21:47

吴恩达机器学习课后作业Python实现(三)：多类分类与前馈神经网络

目录多类分类数据集数据可视化正则化逻辑回归正则化代价函数正则化梯度One-vs-all分类One-vs-all预测前馈神经网络模型表示模型搭建前馈传播与预测参考文章多类分类在本练习中，您将使用逻辑回归和神经网络来识别手写数字(从0到9)。自动手写数字识别在今天被广泛使用——从识别信封上的邮政编码(邮政编码)到识别银行支票上写的金额。这个练习将向您展示如何将您所学到的方法用于这个分类任务。在练习的第
Hyxx.·2022-11-25 21:17

吴恩达机器学习作业Python实现(六)：支持向量机

目录1支持向量机SVM1.1示例数据集11.2高斯核函数支持向量机1.2.1高斯核1.2.2示例数据集21.2.3示例数据集32垃圾邮件分类2.1预处理邮件2.1.1词汇表2.2从邮件提取特征2.3训练SVM参考文章1支持向量机SVM在本练习前半部分，将对各种2D数据集使用支持向量机，通过这些数据集可以更加直观了解支持向量机的工作方式，以及如何在支持向量机中使用高斯核。后半部分，使用支持向量机搭建
Hyxx.·2022-11-25 21:17

吴恩达机器学习作业Python实现(七)：K-means和PCA

目录1K-means聚类1.1K-means实现1.1.1找到最近的质心1.1.2计算质心1.2在示例数据集使用K-means算法1.3随机初始化1.4图像压缩2PCA2.1示例数据集2.2实现PCA2.3PCA降维2.3.1将数据投影在主成分上2.3.2重构数据2.3.3可视化2.4人脸数据集2.4.1对人脸图像使用PCA2.4.2降维参考文章1K-means聚类在本练习中，您将会使用K-mea
Hyxx.·2022-11-25 21:17

吴恩达机器学习课后作业Python实现（一）：线性回归

目录前言单变量线性回归代码实现数据集准备代价函数梯度下降跑模型并预测绘制线性模型及代价函数图多元线性回归代码实现结果图前言写本篇文章的主要目的是记录自己机器学习与Python的学习历程，单变量线性回归在本部分的练习中，您将使用一个变量实现线性回归，以预测食品卡车的利润。假设你是一家餐馆的首席执行官，正在考虑不同的城市开设一个新的分店。该连锁店已经在各个城市拥有卡车，而且你有来自城市的利润和人口数据
Hyxx.·2022-11-25 21:16

吴恩达深度学习之四《卷积神经网络》学习笔记

一、卷积神经网络1.1计算机视觉举了几个例子，可以完成什么样的任务最重要的是特征向量太大了，比如分辨率1000x1000的彩色图片，三个颜色通道，维数是3000000意味着隐藏层第一层参数是(3000000,n^[1])这样神经网络模型占内存太大了，是需要解决的问题1.2边缘检测示例卷积运算是卷积神经网络最基本的组成部分，本节课以边缘检测为样例说明卷积是如何运算灰度值0到255，越小越深，越大越浅
Umikaze_·2022-11-25 20:53

吴恩达深度学习（笔记+作业）·第四课·第三周 目标检测（重点解析YOLO算法）

目录一、目标定位二、特征点检测（另一种思路）三、目标检测算法objectdetectionalgorithm四、卷积的滑动窗口实现五、BoundingBox预测（YOLO算法的精髓）六、交并比IOU七、非极大值抑制non-maxsuppression八、锚框AnchorBoxes九、YOLO算法十、候选区域Regionproposals一、目标定位二、特征点检测（另一种思路）标签特征点的顺序，在所
手可摘星辰不去高声语·2022-11-25 20:22

【学习笔记】吴恩达深度学习课程

课程知识点应用实例吴恩达深度学习1.1神经网络和深度学习-神经网络概论介绍神经网络的概念和深度学习近些年的发展。吴恩达深度学习1.2神经网络和深度学习-神经网络基础逻辑回归。识别图片是不是猫。
垚焱焱·2022-11-25 20:21

【deeplearning.ai】吴恩达深度学习课程笔记目录

二）LogisticRegression逻辑回归深度学习笔记（三）计算图及其导数运算方法深度学习笔记（四）Vectorization向量化深度学习笔记（五）BroadcastinginPython广播吴恩达深度学习
Mr.zwX·2022-11-25 20:17

吴恩达深度神经网络笔记—人脸识别

人脸识别目标：实现三元组损失函数。使用一个已经训练好了的模型来将人脸图像映射到一个128位数字的的向量。使用这些编码来执行人脸验证和人脸识别。导包fromkeras.modelsimportSequentialfromkeras.layersimportConv2D,ZeroPadding2D,Activation,Input,concatenatefromkeras.modelsimportMo
管二三·2022-11-25 20:46

卷积神经网络——吴恩达深度学习视频笔记四

1.卷积：一个f*f（通常是奇数，便于实现same卷积，而且有卷积中心）的滤波器（也称作“核”），作为系数与图像数字相乘，每次移动步长s，得到新的(n-f+2ps+1)*(n-f+2ps+1)（向下取整）图像(p为padding数量，填充，是为了不忽略图像边缘，也防止图像一直变小，在图像边缘填充的0)。这个过程是卷积运算。1.1边缘检测：以水平检测为例：可以使用这样的滤波器[-1-1-100011
whuissyxa·2022-11-25 20:15

吴恩达神经网络和深度学习课程自学笔记（十一）之目标检测

目标检测一、目标定位不仅是识别出汽车，还要判断他的在图中的具体位置。一个输入图片，我们先通过卷积判断了它是汽车，而要定位，我们可以让神经网络多输出几个单元，输出一个边界框，也就是4个数字（bx,by,bh,bw)，即被检测对象的参数化表示。约定一些符号表示：左上角坐标为（0，0），右下角为（1，1），物体中心点坐标为（bx,by)，边框高度为bh，宽度为bw。（本例子中，bx=0.5,by=0.7
To_1_oT·2022-11-25 20:45

吴恩达卷积神经网络章节笔记（三）——目标检测

吴恩达卷积神经网络章节笔记（三）——目标检测1.目标定位(ObjectLocalization)1.1基本概念1.2标签定义1.3损失函数2.特征点检测(LandmarkDetection)3.目标检测
奔跑的chanchanchan·2022-11-25 20:42

吴恩达深度学习教程——中文笔记网上资料整理

吴恩达深度学习笔记整理内容为网上博主博文整理，如有侵权，请私信联系。课程内容：Coursera：官方课程安排（英文字幕）。
Star·端木·2022-11-25 20:11

吴恩达深度神经网络笔记—YOLO

目标学习如何（1）在汽车检测数据集上使用对象检测；（2）处理边界框导包importargparseimportosimportmatplotlib.pyplotaspltfrommatplotlib.pyplotimportimshowimportscipy.ioimportscipy.miscimportnumpyasnpimportpandasaspdimportPILimporttensor
管二三·2022-11-25 20:37

吴恩达机器学习笔记-引言

引言日常生活中的机器学习算法使用，例如：使用谷歌或必应进行搜索，谷歌和微软使用良好的学习算法排序网页；使用脸书或苹果，其中的图片分类程序可以认识你朋友的照片；电子邮箱使用时，电子邮件垃圾邮件筛选器可以过滤大量的垃圾邮件。许多AI研究者认为，实现做出一个和人类一样聪明的机器的这个目标最好的方法是通过让机器试着模仿人的大脑学习。智能的机器，即机器可以做很多有趣的事情，如web搜索、照片标记、反垃圾邮件
_4444yl·2022-11-25 20:03

吴恩达机器学习笔记（一）

一.引言1.什么是机器学习机器学习（MachineLearning）：是研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能。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。2.监督学习和无监督学习（1）监督学习（SupervisedLearning）对于数据集中每
阿洋_kenken·2022-11-25 19:00

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
上一页 29 30 31 32 33 34 35 36 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他