机器学习笔记——吴恩达

零基础深度学习——学习笔记1 (逻辑回归)

前言因为各种各样的原因要开始学习深度学习了，跟着吴恩达老师的深度学习视频，自己总结一些知识点，以及学习中遇到的一些问题，以便记录学习轨迹以及以后复习使用，为了便于自己理解，我会将一些知识点用以个人的理解用通俗的语言表达出来
黑白程序员·2023-07-27 03:54

白话机器学习笔记（一）学习回归

最小二乘法定义模型表达式：fθ(x)=θ0+θ1xf_\theta(x)=\theta_0+\theta_1xfθ(x)=θ0+θ1x（常用θ\thetaθ表示未知数、fθ(x)f_\theta(x)fθ(x)表示含有参数θ\thetaθ并且和变量xxx相关的函数）目标函数假设有nnn个训练数据，那么它们的误差之和可以这样表示，这个表达式称为目标函数。E(θ)=12∑i=1n(y(i)−fθ(x(
WangXinmingg·2023-07-26 22:47

白话机器学习笔记（三）评估已建立的模型

模型评估在进行回归和分类时，为了进行预测，我们定义了函数fθ(x)f_\theta(x)fθ(x)，然后根据训练数据求出了函数的参数θ\thetaθ。如何预测函数fθ(x)f_\theta(x)fθ(x)的精度？看它能否很好的拟合训练数据？我们需要能够定量的表示机器学习模型的精度，这就是模型的评估。交叉验证回归问题的验证把获取的全部训练数据分成两份：一份用于测试，一份用于训练。前者来评估模型。一般
WangXinmingg·2023-07-26 22:47

白话机器学习笔记（二）学习分类

分类用图形来解释，把他想象为有大小有方向带箭头的向量。设权重向量为www，虚线为使权重向量称为法线向量的直线。直线的表达式为：w⋅x=0w\cdotx=0w⋅x=0(两个向量的内积)也可写为：w⋅x=∑i=1nwixi=w1x1+w2x2=0w\cdotx=\sum\limits_{i=1}^nw_ix_i=w_1x_1+w_2x_2=0w⋅x=i=1∑nwixi=w1x1+w2x2=0w⋅x=∣
WangXinmingg·2023-07-26 22:14

吴恩达ChatGPT《LangChain Chat with Your Data》笔记

文章目录1.Introduction2.DocumentLoading2.1RetrievalAugmentedGeneration（RAG）2.2LoadPDFs2.3LoadYouTube2.4LoadURLs2.5LoadNotion3.DocumentSplitting3.1SplitterFlow3.2CharacterSplitter3.3TokenSplitter3.4Markdow
datamonday·2023-07-26 00:45

拥抱生成式大模型 --- 提示工程篇

感谢吴恩达老师的开源课程。引言随着大型语言模型（LLM）的发展，LLM大致可以分为两种类型，即基础LLM和指令微调LLM。
有莘不殁·2023-07-25 19:50

吴恩达机器学习打卡day6

本系列文档按课程视频的章节（P+第几集）进行分类，记录了学习时的一些知识点，方便自己复习。课程视频P54图1表示求导数的原理。图1 图2将图1推广到有n个参数变量的情况。图2 图3提出了一些注意事项。图3 课程视频P55图4表示了求导时的一些特殊规律。图4 课程视频P56图5给出了选择神经网络层数的一些规律，通常中间层的层数要大于等于输入层的特征变量数量。图5 **图6给出了训练神经网络的操作步骤
不学了，删库跑路·2023-07-24 21:15

【深度学习笔记】随机梯度下降法

本专栏是网易云课堂人工智能课程《神经网络与深度学习》的学习笔记，视频由网易云课堂与deeplearning.ai联合出品，主讲人是吴恩达AndrewNg教授。
洋洋Young·2023-07-24 16:09

凯旋门的夜晚

0x01一直在看吴恩达老师的斯坦福cs229课程，收获了很多东西、0x02回到了苏州，忙着看机器学习的视频，也愁着生活的经费，没有人的陪伴，我要习惯落寞。
张建凯·2023-07-24 03:53

零基础"机器学习"自学笔记|Note7:逻辑回归

本系列以吴恩达老师的【“机器学习”课程】为纲，辅以黄海广老师的【斯坦福大学2014机器学习教程个人笔记（V5.51）】，中间会穿插相关数理知识。
木舟笔记·2023-07-23 15:33

吴恩达机器学习-logistic回归

logistic回归—离散变量的分类问题（0,1）分类，通常0表示“没有某样东西”，1表示“有某样东西”如有癌症，是垃圾软件等上图所示是一个（0,1）分类问题，当y的取值为{0,1,2,3}时，就变成一个多分类问题线性回归拟合而分类问题上述问题是一个肿瘤预测问题，根据肿瘤的大小判断肿瘤是良性还是恶性的，当数据显示如图时，使用线性回归似乎是合理的肿瘤大小小于0.5对应的那个值时肿瘤为良性，大于时为恶
魏清宇·2023-07-22 20:28

吴恩达深度学习笔记(21)-神经网络的权重初始化为什么要随机？

随机初始化（Random+Initialization）当你训练神经网络时，权重随机初始化是很重要的。对于逻辑回归，把权重初始化为0当然也是可以的。但是对于一个神经网络，如果你把权重或者参数都初始化为0，那么梯度下降将不会起作用。让我们看看这是为什么？有两个输入特征，n^([0])=2，2个隐藏层单元n^([1])就等于2。因此与一个隐藏层相关的矩阵，或者说W^([1])是2*2的矩阵，假设把它初
极客Array·2023-07-22 04:51

从阿里的User Interest Center看模型线上实时serving方法

这里是「王喆的机器学习笔记」的第二十九篇文章。最近写书的时候在总结一些深度学习模型线上serving的主流方法。
王喆的机器学习笔记·2023-07-21 06:21

机器学习笔记

神经元神经网络的基本模型是神经元，神经元的基本模型就是数学中的乘、加运算：神经元神经网络两层的神经网络（一个隐藏层）更进一步地，过激活函数以提高表现力的神经元模型：常用的激活函数有:relusigmoidtanh损失函数loss计算得到的预测值与已知答案的差距：均方误差MSE自定义损失函数：根据问题的实际情况交叉熵CE（CrossEntropy）反向传播训练中，以减小loss值为优化目标，有梯度下
微雨旧时歌丶·2023-07-20 15:27

机器学习笔记--xgboost核心思想

今天给大家讲xgboost，这是一个非常优秀的算法，在各大回归类的人工智能竞赛中，经常可以在榜首看到这个算法的身影。前面我们已经讲了决策树，提升树（BoostingDecisionTree）是迭代多棵决策树来共同决策，当采用平方误差作为损失函数的时候，每一棵树学习的是之前所有树之和的残差值，残差=真实值-预测值。比如A的年龄是18岁，第一棵树的预测值是13岁，与真实值相差了5岁（就是我们说的残差）
weixin_39210914·2023-07-19 23:10

机器学习笔记（2-4）--林轩田机器学习基石课程

Non-SeparateData当我们不知道数据集是否线性可分时，我们采用贪心的算法，构建modifiedPLA.ModifiedPLA:和普通的PLA不同的是，它在选点时采用随机的方法，并且采用贪心的思想，保存当前最好的w_t.好不好的标准在于造成的错误点数是否更少。直到运行时间足够久后才停止算法。
数学系的计算机学生·2023-07-19 16:14

【深度学习笔记】梯度消失与梯度爆炸

本专栏是网易云课堂人工智能课程《神经网络与深度学习》的学习笔记，视频由网易云课堂与deeplearning.ai联合出品，主讲人是吴恩达AndrewNg教授。
洋洋Young·2023-07-19 10:50

深度学习路线

深度学习路线机器学习视频吴恩达http://open.163.com/special/opencourse/machinelearning.html神经网络深度学习在线教程共六章http://neuralnetworksanddeeplearning.com
OliverH-yishuihan·2023-07-19 07:26

学习率的选择

总结通常可以考虑尝试些学习率慢慢进行调试：参考内容：吴恩达机器学
氢气氧气氮气·2023-07-18 18:07

吴恩达的2022年终盘点：视觉Transformer、生成式AI、大模型闪耀全年！

点击下方卡片，关注“CVer”公众号AI/CV重磅干货，第一时间送达点击进入—>CV微信技术交流群转载自：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。
Amusi（CVer）·2023-07-18 17:26

【机器学习】吴恩达课程2-单变量线性回归

一、单变量线性回归1.模型描述监督学习的流程&单变量线性回归函数代价函数：，其中m表示训练样本的数量公式为预测值与实际值的差，平方为最小二乘法和最佳平方/函数逼近。目标：最小化代价函数，即2.只考虑一个参数为方便分析，先取为0并改变的值3.参数都考虑将三维图平面化：等高线的中心对应最小的代价函数二、梯度下降1.算法思路指定和的初始值不断改变和的值，使不断减小得到一个最小值或局部最小值时停止2.梯度
禾风wyh·2023-07-18 10:22

吴恩达机器学习2022-Jupyter

1可选实验室:多变量线性回归在这个实验室中，您将扩展数据结构和以前开发的例程，以支持多个特性。一些程序被更新使得实验室看起来很长，但是它对以前的程序做了一些小的调整使得它可以很快的回顾。2目标扩展我们的回归模型例程以支持多个特性扩展数据结构以支持多个特性重写预测，成本和梯度例程，以支持多个功能利用NumPynp.dot向量化它们的实现，以提高速度和简单性在这个实验室里，我们将利用:NumPy，一个
KAY金·2023-07-18 06:40

吴恩达-面向开发人员的 ChatGPT 提示工程

探索ChatGPT，协助工作学习创作。公众号「阿杰与AI」回复AI，加入社群，一同探讨，一同成长，比他人更进一步。我们一起维护一个完全免费开源知识库。1.AI、OpenAI、MidJourney发展史2.ChatGPT们对今后社会生活的影响3.目前市面比较好的AI产品介绍4.注册方式汇总5.针对初学者的ChatGPT速成课程6.ChatGPT如何辅助工作6.1ChatGPT处理ExcelWordP
阿杰的人生路·2023-07-17 15:40

吴恩达ChatGPT网课笔记Prompt Engineering——训练ChatGPT前请先训练自己

吴恩达ChatGPT网课笔记PromptEngineering——训练ChatGPT前请先训练自己主要是吴恩达的网课，还有部分github的prompt-engineering-for-developers
瞲_大河弯弯·2023-07-17 15:39

【吴恩达-AIGC/ChatGPT提示工程课程】第八章 - **聊天机器人 Chatbot.**

【吴恩达-AIGC/ChatGPT提示工程课程】第八章-聊天机器人Chatbot.使用一个大型语言模型的一个令人兴奋的事情是，我们可以用它来构建一个定制的聊天机器人，只需要很少的工作量。
黎跃春·2023-07-17 15:09

【吴恩达】prompt engineering（原则 迭代 文本概括 推断、订餐机器人）

简介Introduction基础的LLM训练的模型，问法国的首都什么，可能会将答案预测为“法国最大的城市是什么，法国的人口是多少”许多LLMs的研究和实践的动力正在指令调整的LLMs上。指令调整的LLMs已经被训练来遵循指令。因此，如果你问它，“法国的首都是什么？”，它更有可能输出“法国的首都是巴黎”。指令调整的LLMs的训练通常是从已经训练好的基本LLMs开始，该模型已经在大量文本数据上进行了训
山顶夕景·2023-07-17 15:38

吴恩达深度学习笔记整理（四）—— 超参数调试、正则化以及优化

目录改善深层神经网络：超参数调试、正则化以及优化训练，验证，测试集（Train/Dev/Testsets）偏差和方差权衡方差和偏差的问题正则化为什么只正则化参数？为什么不再加上参数呢？为什么正则化有利于预防过拟合呢？为什么压缩2范数，或者弗罗贝尼乌斯范数或者参数可以减少过拟合？dropout正则化。其他正则化方法归一化输入1.零均值2.归一化方差。为什么使用归一化处理输入？梯度消失/梯度爆炸神经网
梦想的小鱼·2023-07-17 08:27

【深度学习笔记】偏差与方差

本专栏是网易云课堂人工智能课程《神经网络与深度学习》的学习笔记，视频由网易云课堂与deeplearning.ai联合出品，主讲人是吴恩达AndrewNg教授。
洋洋Young·2023-07-17 08:27

【深度学习笔记】正则化与 Dropout

本专栏是网易云课堂人工智能课程《神经网络与深度学习》的学习笔记，视频由网易云课堂与deeplearning.ai联合出品，主讲人是吴恩达AndrewNg教授。
洋洋Young·2023-07-17 08:26

吴恩达机器学习笔记（5）—— 神经网络

又摸鱼摸了好久，终于开学了，不能再摸鱼了，这学期课都是嵌入式开发方面的，我给自己的电脑买了个新硬盘装了Linux，不再像以前在虚拟机里小打小闹了，折腾了好几天的新系统，现在有时间写新的笔记了。这次给大家带来的是神经网络，比较难，我可能写的也不是太明白，就看看吧。非线性假设其实神经网络是一个很古老的算法，不过在很长的一段时间内受计算机的机能所限，这个算法没有太大的进展。直到了现在，计算机的飞速发展，
机智的神棍酱·2023-07-17 06:15

python 分类变量转为哑变量_机器学习笔记——哑变量处理

在机器学习的特征处理环节，免不了需要用到类别型特征，这类特征进入模型的方式与一般数值型变量有所不同。通常根据模型的需要，类别型特征需要进行哑变量处理，即按照特征类别进行编码，一般一个类别为k的特征需要编码为一组k-1【避免引起多重共线性】个衍生哑变量，这样就可以表示特征内部所有的类别(将其中基准比较类设为0，当k-1个哑变量都为0时，即为基准类)。这种哑变量的编码过程在R和Python中的有成熟的
weixin_39664477·2023-07-17 01:59

可解释机器学习笔记（一）——可解释性

可解释性可解释性定义可解释性包含的性质可解释性方法分类自解释or事后可解释解释方法的输出特征概要统计量(FeatureSummaryStatistic)特征概要可视化(FeatureSummaryVisualization)模型内部(ModelInternal)数据点(DataPoint)代理模型特定于模型(Model-specific)or模型无关(Model-agnostic)局部(Local
小白成长之旅·2023-07-16 18:11

【机器学习】吴恩达课程1-Introduction

一、机器学习1.定义计算机程序从经验E中学习，解决某一任务T，进行某一性能P，通过P测定在T上的表现因经验E而提高。2.例子跳棋程序E：程序自身下的上万盘棋局T：下跳棋P：与新对手下跳棋时赢的概率二、监督学习SupervisedLearning1.定义给算法一个数据集，其中包含了正确答案，算法的目的是给出更多的正确答案。2.例子（1）预测房价（回归问题）Regressionproblem回归：Pr
禾风wyh·2023-07-16 18:32

【吴恩达机器学习】第七周—SVM支持向量机与核函数

31.jpg1.支持向量机SupportVectorMachines1.1介绍在分类问题中，除了线性的逻辑回归模型和非线性的深度神经网络外，我们还可以应用一种被广泛应用于工业界和学术界的模型—支持向量机，简称SVM，与逻辑回归和神经网络相比，支持向量机在学习复杂的非线性方程时提供了一种更为清晰，更加强大的方式。尽管现在深度学习十分流行，了解支持向量机的原理，对想法的形式化、简化、及一步步使模型更一
Sunflow007·2023-07-16 16:08

机器学习笔记之变分自编码器(一)模型表示

机器学习笔记之变分自编码器——模型表示引言回顾：高斯混合模型变分自编码器——概率图视角介绍总结引言本节将介绍变分自编码器(VariationalAutoEncoder,VAE)。
静静的喝酒·2023-07-16 15:18

机器学习笔记之卡尔曼滤波(一)动态模型基本介绍

机器学习笔记之卡尔曼滤波——动态模型基本介绍引言回顾：动态模型动态模型的相关任务卡尔曼滤波介绍引言本节从动态模型开始，介绍卡尔曼滤波(KalmanFilter)。
静静的喝酒·2023-07-16 15:18

深度学习笔记之Transformer(八)Transformer模型架构基本介绍

机器学习笔记之Transformer——Transformer模型架构基本介绍引言回顾：简单理解：Seq2seq\text{Seq2seq}Seq2seq模型架构与自编码器自注意力机制Transformer
静静的喝酒·2023-07-16 14:15

吴恩达ML2022-用于手写数字识别的神经网络

1用到的包导入在这个分配过程中需要的所有包。Numpy是使用Python进行科学计算的基本软件包。Matplotlib是在Python中绘制图形的流行库。tensorflow是一种流行的机器学习平台。importnumpyasnpimporttensorflowastffromtensorflow.keras.modelsimportSequentialfromtensorflow.keras.l
KAY金·2023-07-16 09:51

机器学习笔记 - 探索PaddlePaddle框架的对象检测、分割和关键点检测

一、PaddlePaddle简述PaddlePaddle（PArallelDistributedDeepLEarning）是百度于2016年发布的开源深度学习框架。它为各种机器学习任务提供了统一的平台。但是最近的基准测试显示PaddlePaddle是潜在的领跑者，其基准速度超过了其更知名的竞争对手。PaddlePaddle与PyTorch或Tensorflow的基准比较PaddlePaddle中提
坐望云起·2023-07-16 03:49

关于吴恩达深度学习总结(一)

关于吴恩达深度学习总结(一)相关函数文章目录关于吴恩达深度学习总结(一)相关函数一、costfunction(成本函数)二、lossfunction(损失函数)三、sigmoidfunction（sigmoid
南阳北海·2023-07-16 03:16

吴恩达机器学习2022-Jupyter-用scikitlearn实现线性回归

1可选实验:使用Scikit-Learn进行线性回归有一个开源的、商业上可用的机器学习工具包，叫做scikit-learn。本工具包包含您将在本课程中使用的许多算法的实现。1.1工具您将利用scikit-learn以及matplotlib和NumPy中的函数。2线性回归封闭式解决方案Scikit-learn的线性回归模型实现了一种封闭式的线性回归。让我们使用早期实验室的数据——一栋1000平方英尺
KAY金·2023-07-15 16:41

吴恩达机器学习2022-Jupyter-Scikit-Learn教学

1可选实验室:线性回归使用Scikit-Learn有一个开源的、商业上可用的机器学习工具包，叫做scikit-learn。本工具包包含您将在本课程中使用的许多算法的实现。1.1目标在这个实验室里:利用scikit-学习使用线性回归梯度下降法来实现1.2工具您将利用scikit-learn以及matplotlib和NumPy中的函数。2梯度下降Scikit-learn有一个梯度下降法回归模型skea
KAY金·2023-07-15 16:41

吴恩达机器学习2022-Jupyter-用scikitlearn实现逻辑回归

1.1目标使用scikit-learn培训Logit模型模型。1.2数据集importnumpyasnpX=np.array([[0.5,1.5],[1,1],[1.5,0.5],[3,0.5],[2,2],[1,2.5]])y=np.array([0,0,0,1,1,1])1.3Fit模型下面的代码导入了scikit-learn的Logit模型模型。您可以通过调用fit函数将此模型适合于训练数据
KAY金·2023-07-15 16:39

使用 ChatGPT 的 7 个技巧 | Prompt Engineering 学习笔记

概述前段时间在DeepLearning学了一门大火的Prompt的课程，吴恩达本人授课，讲的通俗易懂，感觉受益匪浅，因此在这里总结分享一下我的学习笔记。为什么要学习Prompt？
快乐无限出发·2023-07-15 16:49

吴恩达机器学习2022-Jupyter1可选实验室: Python 和 Jupyter 笔记本简介

欢迎来到第一个可选实验室！可供选择的实验室包括:提供信息-比如这个笔记本以实际例子加强课堂教材提供分级实验室常规的工作实例1.1目标在本实验中，您将:对Jupyter笔记本进行简要介绍，参观Jupyter笔记本，了解标记单元格和代码单元格之间的区别，练习一些基本的python熟悉Jupyter笔记本最简单的方法就是参观上面的帮助菜单帮助菜单本课程中使用的Jupyter笔记本有两种类型的单元格。诸如
KAY金·2023-07-15 09:37

吴恩达机器学习2022-Jupyter-机器学习实例

1可选实验:特征工程和多项式回归1.1目标在这个实验室里:探索特征工程和多项式回归，它可以让你使用线性回归机制来适应非常复杂，甚至非常非线性的函数。1.2工具您将利用在以前的实验中开发的函数以及matplotlib和NumPy。2特征工程与多项式回归综述线性回归提供了一种模型方法，公式形式为:如果您的特性/数据是非线性的或者是特性的组合，该怎么办？例如，住房价格往往不与居住面积成线性关系，而是对小
KAY金·2023-07-15 08:00

吴恩达机器学习2022-Jupyter

1可选实验室:Python、NumPy和矢量化简要介绍本课程中使用的一些科学计算。特别是NumPy科学计算包及其与python的使用。2目标在这个实验室里将回顾课程中使用的NumPy和Python的特性。Python是本课程中使用的编程语言。NumPy库扩展了python的基本功能，添加了更丰富的数据集，包括更多的数值类型、向量、矩阵和许多矩阵函数。NumPy和python相当无缝地协同工作。Py
KAY金·2023-07-15 08:15

吴恩达机器学习2022-Jupyter特征缩放

1可选实验室:特征缩放和学习率(多变量)1.1目标在这个实验室里:利用前一实验室开发的多变量线性回归模型程序在具有多种功能的数据集上运行梯度下降法探讨学习速度alpha对梯度下降法的影响通过使用z分数标准化的特征缩放来提高梯度下降法的性能1.2工具您将使用在上一个实验中开发的函数以及matplotlib和NumPy。importnumpyasnpnp.set_printoptions(precis
KAY金·2023-07-15 08:15

机器学习笔记——假设空间与归纳偏好

一，假设空间学习过程是一个在所有假设组成的空间，即假设空间中进行搜索的过程。搜索目标是找到与训练集“匹配”的假设。举个例子：这里要学习的目标是“好瓜”。暂且假设“好瓜”可由色泽，根蒂，敲声这三个因素完全确定。于是，我们学得的将是“好瓜是某种色泽，某种根蒂，某种敲声的瓜”这样的概念。图1.1直观地显示出了这个西瓜问题的假设空间。需要注意的是，现实问题中我们常面临很大的假设空间，但学习过程是基于有限样
章小幽·2023-07-15 06:06

如何使用ChatGPT得到更满意的结果：Prompt Engineering （2）

几个月之前，DeepLearning.ai创始人吴恩达与OpenAI开发者IzaFulford联手推出了一门面向开发者的PromptEngineering教程，不知道大家有没有看…我当时火速看了，但是一直没有来得及整理中文版
Dorothy30·2023-07-15 05:06
上一页 13 14 15 16 17 18 19 20 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他