吴恩达-Coursera

深度学习笔记(13.numpy实现LSTM)

程序地址：https://github.com/ConstellationBJUT/Coursera-DL-St
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

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。
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

吴恩达机器学习ex5代码

importnumpyasnpimportpandasaspdfromscipy.ioimportloadmatimportmatplotlib.pyplotaspltimportscipy.optimizeasopt'''===================================函数部分==================================''''''数据可视化'''d
Maturisa·2022-12-07 15:49

机器学习（Machine Learning）

简介bili吴恩达机器学习这是一门让计算机在没有明确编程的情况下学习的科学。亚瑟·塞缪尔(1959)：赋予计算机学习能力而不被明确编程的研究领域。机器学习作为人工智能的一个子领域。
YYYMarshal·2022-12-07 13:06

训练集、验证集、测试集的作用

目录1.前言2.训练集、验证集、测试集的作用3.一些杂碎的东西①过拟合②验证集和测试集的区别③三者划分比例④训练样本与验证样本、测试样本分布不匹配的问题⑤关于测试集4.参考来源1.前言本篇是看完吴恩达老师
渊桑·2022-12-07 11:15

吴恩达机器学习笔记——代价函数的定义

对应第1周costfunction视频。本次课前半段内容非常简单，带领我们一起复习初中平面几何的知识，后半段给出了代价函数（Costfunction）的一般定义。从一元线性模型看代价函数的引入；代价函数的数学定义。1.从一元线性模型看代价函数的引入上一节课，卖房子的那个训练集，我们说用一个直线的方程来拟合它们。如下图，在下面假设的直线方程。\theta_{0},\theta_{1}的变化，会改变直
高博士_嵌入式·2022-12-07 07:48

吴恩达机器学习系列课程笔记——第一章：什么是机器学习(Machine Learning)

1.1欢迎https://www.bilibili.com/video/BV164411b7dx?p=1第一节主要讲了什么是机器学习，机器学习能做些什么事情。机器学习是目前信息技术中最激动人心的方向之一。在这门课中，你将学习到这门技术的前沿，并可以自己实现学习机器学习的算法。你或许每天都在不知不觉中使用了机器学习的算法。每次，你打开谷歌、必应，搜索到你需要的内容，正是因为他们有良好的学习算法。谷歌
Lishier99·2022-12-07 07:48

吴恩达机器学习课程02——模型描述与代价函数

目录模型描述代价函数暂时写这么多，谢谢大家，有错误请不吝指正~模型描述TrainingSet：首先提供数据集LearningAlgorithm：学习算法h(hypothesis)：假设函数x：输入特征y：输出目标通俗一点讲，就是提供给我训练数据集（TrainingSet）并采用某学习算法（LearningAlgorithm）进行训练得到我的假设函数（h），然后对于测试集的每一条样本数据特征（x࿰
CtrlZ1·2022-12-07 07:15

2022吴恩达机器学习课程学习笔记（第一课第三周）

2022吴恩达机器学习课程学习笔记（第一课第三周）动机与目的逻辑回归决策边界逻辑回归中的代价函数逻辑回归损失函数的定义逻辑回归损失函数的理解逻辑回归代价函数的定义实现梯度下降过拟合问题过拟合定义解决过拟合正则化正则化工作原理用于线性回归的正则化方法用于逻辑回归的正则化方法动机与目的只有两个可能输出的分类问题成为二元分类
Ys能保研·2022-12-07 07:09

2022吴恩达机器学习课程学习笔记（第一课第一周）

2022吴恩达机器学习课程学习笔记（第一课第一周）欢迎参加《机器学习》课程机器学习应用机器学习定义定义（非正式）主要类型监督学习定义特征类型无监督学习定义特征类型JupyterNotebook线性回归模型定义举例
Ys能保研·2022-12-07 07:08

2022吴恩达机器学习课程——第一课

注：参考B站视频教程视频链接：【(强推|双字)2022吴恩达机器学习Deeplearning.ai课程】文章目录第一周一、监督学习与无监督学习二、线性回归三、梯度下降第二周一、向量化二、特征缩放第三周一
now_try_·2022-12-07 07:37

深度学习stride_Deeplearning.ai卷积神经网络( 1.5 卷积步长Stride相关概念)

0、前言打算对吴恩达老师的Deeplearning课程做一个笔记回顾，大体整理思路为吴老师课堂内容和个人理解，非常基础无难点，重在备忘分享，大神勿喷！
苗伟杰·2022-12-07 05:44

深度学习入门资料分类汇总（持续更新）

请根据需要自行选择学习内容，机器学习是基础课程，但是吴恩达的深度学习课程也会讲一些机器学习基础，不学机器学习也能看明白。
刀客塔辛·2022-12-07 05:10

吴恩达Coursera, 机器学习专项课程, Machine Learning：Unsupervised Learning, Recommenders, Reinforcement Learning第.

吴恩达Coursera,机器学习专项课程,MachineLearning：UnsupervisedLearning,Recommenders,ReinforcementLearning第二周所有jupyternotebook
ZhemgLee·2022-12-07 02:24

神经网络 卷积神经网络,卷积神经网络 吴恩达

吴恩达的人物经历吴恩达1976年出生于伦敦，父亲是一位香港医生，英文名叫AndrewNg，吴恩达年轻时候在香港和新加坡度过。
aifans_bert·2022-12-06 22:53

深度解读BN、LN、WN、CN

记得之前吴恩达的网易公开课也有介绍到，例子大概是这样的，记不详细了，大概是说，样本点的分布如果是椭圆或者其它不
微知girl·2022-12-06 18:01

深度学习论文 Learning representations by back-propagating errors

Learningrepresentationsbyback-propagatingerrors小记2022.3.16第一次读全英语论文看了吴恩达的课之后明白了BP原理，但是还是想看看原论文是怎么写的。
是Mally呀！·2022-12-06 15:39

吴恩达机器学习笔记 —— 15 降维

吴恩达机器学习笔记——15降维本章重点讲述了降维方法以及其中最主要的PCA主成分分析的原理、使用更多内容参考机器学习&深度学习降维的作用：数据压缩与可视化降维的第一个作用就是进行数据的压缩，解决磁盘和计算的问题
xing halo·2022-12-06 12:01

吴恩达机器学习笔记（十三）——降维

1.降维应用：数据压缩降维首先是可以用于数据压缩的，例如将2维数据降维成一维数据，就可以将存储量减小一半，如下图所示：又如下面从三维降至二维的数据所示：2.降维应用：可视化降维还可以将原本无法可视化的数据通过降维从而进行可视化。如下图是各国的各项数据，因为特征较多，因此无法进行可视化：通过降维成二维数据，我们就可以进行可视化了，如下图所示：3.PCA问题规划1首先从视觉上感受一下PCA的效果：假设
XHHP·2022-12-06 12:29

吴恩达机器学习笔记——降维与PCA算法

PCA算法是一种强大的无监督学习算法。降维与线性回归降维的过程最常用的算法是主成分分析算法（PCA）。降维将数据投影到一个k维度空间上（比如直线或平面）然后最小化投影误差的平方和。PCA算法降维时找到直线方向向量最小化偏差距离时使用的正交距离（称为投影误差）线性而回归问题是用最小代价拟合直线时使用的是竖直距离同时回归中横纵轴的地位是不同的一个是标签一个是特征但pac中是平等的。PCA算法流程执行均
草莓甜Swag·2022-12-06 12:27

[中英字幕]吴恩达机器学习系列课程 笔记

[中英字幕]吴恩达机器学习系列课程笔记教程与代码地址P11-1.欢迎参加《机器学习》课程P21-2.什么是机器学习？
电信保温杯·2022-12-06 12:25

吴恩达机器学习 笔记九 PCA降维

1.数据降维  数据降维的动力主要来自数据压缩和数据可视化。下图中的数据虽然是在一个三维空间里，但是用一个二维的平面基本上就是可以描述出来的，所以我们可以把数据降到二维。2.PCA算法第一步是均值归一化。我们需要计算出所有特征的均值，然后令。如果特征是在不同的数量级上，我们还需要将其除以标准差。第二步是计算协方差矩阵（covariancematrix）：第三步是计算协方差矩阵的特征向量（eigen
qsdzxp·2022-12-06 12:24
上一页 29 30 31 32 33 34 35 36 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他