机器学习笔记——吴恩达

【机器学习笔记】0 基础知识之python基础

注：本文内容仅为个人学习笔记，教程为黄海广老师主讲的机器学习入门系列，课程链接（中国大学慕课，有习题和证书）课程资源（pdf版本课件和代码）公布在Github链接课程视频也可以在b站观看（观看方便，但无课后习题和证书）本笔记仅简单记录关于python需要熟悉掌握的内容点，不详细展开记录python环境安装python环境安装网上教程很多不做赘述，推荐黄海广老师发布的安装教程：Python环境的安装
RIKI_1·2024-01-28 23:41

【机器学习笔记】1 机器学习概念

机器学习与人工智能、深度学习的关系人工智能机器展现的人类智能机器学习计算机利用已有的数据(经验)，得出了某种模型，并利用此模型预测未来的一种方法。深度学习实现机器学习的一种技术机器学习的范围机器学习可以解决给定数据的预测问题，包括✓数据清洗/特征选择✓确定算法模型/参数优化✓结果预测）不能解决：x大数据存储/并行计算x做一个机器人机器学习的发展史总的来说，人工智能经历了逻辑推理、知识工程、机器学习
RIKI_1·2024-01-28 10:25

【机器学习笔记】0 背景知识之数学基础

注：本文内容仅为个人学习笔记，教程为黄海广老师主讲的机器学习入门系列，课程链接（中国大学慕课，有习题和证书）：https://www.icourse163.org/course/WZU-1464096179，课程资源（pdf版本课件和代码）公布在Github：https://github.com/fengdu78/WZU-machine-learning-course，课程视频也可以在b站观看（观
RIKI_1·2024-01-28 10:24

交并比（Intersection over union）

来源：Coursera吴恩达深度学习课程如何判断目标检测算法运作良好呢？接下来，你将了解到并交比（intersectionoverunion）函数，可以用来评价目标检测算法。
双木的木·2024-01-27 20:33

Coursera吴恩达《深度学习》课程总结（全）

这里有Coursera吴恩达《深度学习》课程的完整学习笔记，一共5门课：《神经网络和深度学习》、《改善深层神经网络》、《结构化机器学习项目》、《卷积神经网络》和《序列模型》，最后附上人工智能领域大师访谈
双木的木·2024-01-27 20:03

【吴恩达·机器学习】第一章：机器学习绪论：监督学习和非监督学习

——《朗读者》0、声明本系列博客文章是博主本人根据吴恩达老
是瑶瑶子啦·2024-01-27 20:10

吴恩达卷积神经网络学习笔记（六）|CSDN创作打卡

3.2特征点检测神经网络可以通过输出图片上特征点的（x，y）坐标，来实现对目标特征的识别。我们来看几个例子，假设你正在构建一个人脸识别应用，出于某种原因，你希望算法可以给出眼角的具体位置，眼角坐标为（x，y），你可以让神经网络的最后一层，多出两个数字lx和ly，作为眼角的坐标值.如果你想知道两只眼睛的4个眼角的具体位置，那么从左到右依次用4个特征点来表示这4个眼角，对神经网络稍微做些修改，输出第1
墨倾许·2024-01-25 22:56

吴恩达卷积神经网络学习笔记（二）

一.卷积神经网络（一）1.6三维卷积3指的是颜色通道（RGB）6*6*3分别对应宽*高*通道的数目滤波器也有相对应的3*3*3，由此得到一个4*4的输出。对三维图像进行卷积时，卷积核的通道数要与三维图像的通道数相等。当我们想对图像的多个边缘特征进行检测时，我们可以使用多个卷积核，这样卷积后生成图像的通道数为使用的卷积核的个数。对于三维卷积具体运算的实例如下：如果使用的是下图3*3*3的卷积核，则一
墨倾许·2024-01-25 22:26

吴恩达深度学习笔记(82)-深度卷积神经网络的发展史

为什么要探索发展史(实例分析)？我们首先来看看一些卷积神经网络的实例分析，为什么要看这些实例分析呢？上周我们讲了基本构建，比如卷积层、池化层以及全连接层这些组件。事实上，过去几年计算机视觉研究中的大量研究都集中在如何把这些基本构件组合起来，形成有效的卷积神经网络。最直观的方式之一就是去看一些案例，就像很多人通过看别人的代码来学习编程一样，通过研究别人构建有效组件的案例是个不错的办法。实际上在计算机
极客Array·2024-01-25 12:33

机器学习笔记02：特征工程

机器学习笔记02：特征工程文章目录机器学习笔记02：特征工程1.特征工程定义2.数据的特征抽取：1.字典特征抽取：2.文本特征抽取：3.tf-df分析问题3.特征预处理1.特征处理的方法：1.数值型数据
fafagege11520·2024-01-25 09:12

在学习吴恩达机器学习课程中遇到的一些问题

C1_W1_Lab04_Cost_function_Soln中遇到的一些问题1、importnumpyasnp%matplotlibnotebookimportmatplotlib.pyplotaspltfromlab_utils_uniimportplt_intuition,plt_stationary,plt_update_onclick,soup_bowlplt.style.use('./d
ttyykx·2024-01-25 04:51

吴恩达chatgpt学习

吴恩达chatgpt学习1、技术文档常用英文词汇2、指南策略1编写明确和具体的指令1.1使用分割符号如：1.2结构化输出1.3检查1.4少量训练提示few-shotprompting策略2给模型思考的时间
宣泠之·2024-01-24 23:38

吴恩达机器学习Coursera-week11

PhotoOCR在此章的课程中，Andrew主要是想通过OCR问题的解决来阐释在实际项目中我们应该如何定义问题，并将一个大问题分解为多个小问题，并通过pipeline的方式将对这些小问题的解决方案串联起来，从而解决这个大问题。我认为这是解决实际问题的一个经典的方法论，有助于我们在实际工作和生活中更好地思考问题，分解问题，并最终解决问题。ProblemDescriptionandPipeline此小
geekpy·2024-01-24 20:23

吴恩达机器学习介绍第一章介绍

1.机器学习的概念在进行特定编程的情况下，给予计算机学习的能力。机器学习是一种人工智能的分支，它关注如何通过计算机算法和模型来使计算机系统从数据中学习和改进。机器学习的目标是让计算机系统能够自动分析和理解数据，并根据数据的模式和规律做出预测和决策，而无需明确的编程指令。机器学习可以分为监督学习、无监督学习和强化学习三种类型。在监督学习中，计算机系统通过使用带有标签的训练数据来学习模式和规律，然后根
清☆茶·2024-01-24 08:30

吴恩达【深度学习】笔记03——深层神经网络（Deep Neural Networks）

文章目录一、深层神经网络（DeepL-layerneuralnetwork）二、前向传播和反向传播（Forwardandbackwardpropagation）1.Forwardpropagation2.Backwardpropagation3.Buildingblocksofdeepneuralnetworks三、核对矩阵的维数（Gettingyourmatrixdimensionsright）
无糖馥芮白·2024-01-24 08:57

解读顺网算力与AI，破局AIGC落地“最后一公里”

全球知名AI科学家吴恩达和李飞飞在CES2024上预测，2024年将是AI技术继续深化的一年，将成为下一次数字或工业革命真正的变革性驱动力。
阿川2015·2024-01-24 07:33

机器学习笔记：线性回归

0线性回归的假设线性：自变量（x）和因变量（y）之间应该存在线性关系，这意味着x值的变化也应该在相同方向上改变y值。独立性：特征应该相互独立，这意味着最小的多重共线性。正态性：残差应该是正态分布的。同方差性：回归线周围数据点的方差对于所有值应该相同。假设有如下数据这些数据符合以下图关系（以一维数据为例），这里的函数f(w)忽略了偏置b1最小二乘估计我们的目标是要求w，使得Xw和实际值y最近。所以我
UQI-LIUWJ·2024-01-23 22:08

机器学习笔记：地理加权回归（GWR）

1传统的线性回归机器学习笔记：线性回归_线性回归的读书笔记-CSDN博客最优的β为：2地理加权回归（GWR）2.1模型概述地理加权回归（GeographicallyWeightedRegression，
UQI-LIUWJ·2024-01-23 22:06

机器学习笔记 - 基于自定义数据集 + 3D CNN进行视频分类

一、简述这里主要介绍了基于自定义动作识别数据集训练用于视频分类的3D卷积神经网络(CNN)。3DCNN使用三维滤波器来执行卷积。内核能够在三个方向上滑动，而在2DCNN中它可以在二维上滑动。这里的模型主要基于D.Tran等人2017年的论文“动作识别的时空卷积研究”。https://arxiv.org/abs/1711.11248v3https://arxiv.org/abs/1711.11248
坐望云起·2024-01-23 08:40

吴恩达-深度学习入门-第二周课后测验题

前情须知1、本文参考CSDN博主何宽老师的文章，仅用于个人学习使用，将答案部分单独摘出放在最后，方便进行自我检测。参考文章链接:https://blog.csdn.net/u013733326/article/details/798658582、第二周分为测验题和编程题两部分目录前情须知一、中文题目二、英文题目三、答案一、中文题目1、神经元节点计算什么？【 】神经元节点先计算激活函数，再计算线性函
?LAST·2024-01-22 03:55

吴恩达-深度学习入门-第一周课后测验题

一、文章简介本篇文章主要内容为第一周课程结束后的十几道测试题，在其他大佬的文章中看到题目后，感觉因为有答案所以不太利于自己的思考，所以进行一下简单的编辑工作，将答案放在文章最后。文章参考:https://blog.csdn.net/u013733326/article/details/79862336仅做学习使用。二、题目题目分为中文版和英文版，根据自己喜好选择观看即可。英文版：Week1Quiz
?LAST·2024-01-22 03:25

【Andrew Ng机器学习】单变量线性回归-梯度下降

课程：吴恩达机器学习此篇我们将学习梯度下降算法，我们之前已经定义了代价函数J，梯度下降法可以将代价函数J最小化。梯度下降是很常用的算法，他不仅被用在线性回归上，还被广泛应用与机器学习的众多领域。
jenye_·2024-01-21 22:01

Improving Deep Neural Network学习笔记

参数调整、正则化、优化1超参数2方差、偏差3正则化4归一化输入5Mini-batch梯度下降算法6Adam优化算法本周学习了深度学习（吴恩达老师的课程）中，提升深度神经网络的一些方法，包括超参数的调整、
佳雨初林·2024-01-21 17:42

第八章 正则化

该系列文章为，观看“吴恩达机器学习”系列视频的学习笔记。虽然每个视频都很简单，但不得不说每一句都非常的简洁扼要，浅显易懂。非常适合我这样的小白入门。
tomas家的小拨浪鼓·2024-01-21 10:15

机器学习笔记(1): 基础概念

1.机器学习基础概念1.1定义AcomputerprogramissaidtolearnformexperienceEwithrespecttosometaskTandsomperformancemeasureP,ifitsperformanceonT,asmeasuredbyP,improveswithexperienceE.例如：根据你将那些邮件标记为垃圾邮件的行为，邮件程序学习更好的过滤邮件
大锅烩菜·2024-01-21 07:13

机器学习第十八周周报

机器学习第十八周周报摘要Abstract一、导数二、计算图三、使用计算图求导数四、逻辑回归中的梯度下降五、m个样本的梯度下降六、总结摘要本周开始学习吴恩达的梯度下降法，梯度下降法在机器学习中常常用来优化损失函数
JerryC1999·2024-01-20 22:17

ChatGPT提示词保姆级教程

教程吴恩达联合OpenAI出ChatGPT提示词教程课程涵盖从理论到应用的各个方面，包括大型语言模型、文本嵌入、强化学习等技术的应用。
Dlimeng聊AI·2024-01-20 21:32

2022-12-14科研日志

今天主要学习了吴恩达机器学习的网课，又复习了一下机器学习；然后看了看VIO相关资料论文，今天看了几篇知网上搜到的关于VIO的硕士博士毕业论文和一篇20年的VIO综述，这方面的论文对于一个领域一般都有比较全面的描述
独孤西·2024-01-20 21:17

机器学习周刊第六期：哈佛大学机器学习课、Chatbot Ul 2.0 、LangChain v0.1.0、Mixtral 8x7B

—date:2024/01/08—吴恩达和Langchain合作开发了JavaScript生成式AI短期课程：《使用LangChain.js构建LLM应用程序》大家好，欢迎收看第六期机器学习周刊本期介绍
机器学习算法与Python实战·2024-01-20 04:31

零基础“机器学习“自学笔记|Note8:正则化

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·2024-01-19 12:14

李飞飞、吴恩达对谈：这一次，AI 冬天不会到来

在正在进行的CES2024（国际消费电子展）上，著名的AI科学家吴恩达和李飞飞出席了「伟大的思想，大胆的愿景」环节的小组讨论，就「人工智能的下一步是什么？」进行了40分钟的对谈。
Datawhale·2024-01-19 09:33

隐马尔可夫模型【维特比算法】

机器学习笔记机器学习系列笔记，主要参考李航的《机器学习方法》，见参考资料。
格兰芬多_未名·2024-01-19 03:21

机器学习笔记——感知机【图文，详细推导】

机器学习笔记第一章机器学习简介第二章感知机文章目录机器学习笔记一、超平面二、感知机定义三、学习策略和学习算法1线性可分2损失函数定义3优化算法—SGD4算法收敛性四、感知机的缺点参考资料感知机（PLA）
格兰芬多_未名·2024-01-19 03:20

奇异值分解(SVD)【详细推导证明】

机器学习笔记机器学习系列笔记，主要参考李航的《机器学习方法》，见参考资料。
格兰芬多_未名·2024-01-19 03:20

机器学习笔记（十）聚类算法DBSCAN原理和实践

在前面的文章中，我们分别介绍了《K-means原理和实践》和《Birch和层次聚类》两种聚类算法，本文我们继续介绍另一种常用的聚类算法DBSCAN。相对于前两种算法，DBSCAN的原理要简单的多，但是这并不意味着它的效果就会差，在很多算法表现不好的非凸数据集上（凸数据集可以简单理解为数据集中的任意两点连线上的点都在数据集内），DBSCAN往往能取得较好的效果，见下图，这也是DBSCAN最大的优势，
大白兔黑又黑·2024-01-19 01:04

零基础"机器学习"自学笔记|Note3:梯度下降法

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·2024-01-18 20:40

吴恩达机器学习笔记-Logistic回归模型

回归函数在逻辑回归模型中我们不能再像之前的线性回归一样使用相同的代价函数，否则会使得输出的结果图像呈现波浪状，也就是说不再是个凸函数。代价函数的表达式之前有表示过,这里我们把1/2放到求和里面来。这里的求和部分我们可以表示为：很显然，如果我们把在之前说过的分类问题的假设函数带进去，即，得到的结果可能就是上述所说的不断起伏的状况。如果这里使用梯度下降法，不能保证能得到全局收敛的值，这个函数就是所谓的
Carey_Wu·2024-01-18 16:26

吴恩达倾情推荐！28张图全解深度学习知识！

吴恩达在推特上展示了一份由TessFerrandez完成的深度学习专项课程图，这套信息图优美地记录了深度学习课程的知识与亮点。
深度学习算法与自然语言处理·2024-01-18 15:55

吴恩达深度学习课程作业--C1W2

1.3-Reshapingarraysv=v.reshape((v.shape[0]*v.shape[1],v.shape[2]))#v.shape[0]=a;v.shape[1]=b;v.shape[2]=c
HELLOTREE1·2024-01-18 10:09

ML：2-1-5 matrix multiplication矩阵乘法

neuralnetwork如此高效2.matrixmultiplication（补充）3.matrixmultiplication的规则（补充）4.matrixmultiplication的代码（optional）【吴恩达
skylar0·2024-01-18 09:21

ML：2-2-1 Tensorflow

文章目录1.Tensorflow实现2.模型训练细节2.1定义模型f(x)2.2找到lossandcostfunciton2.3Gradientdescent【吴恩达p60-61】1.Tensorflow
skylar0·2024-01-18 09:47

机器学习吴恩达编程作业题6-支持向量机

1、支持向量机1.1示例数据集1将ex6data1.mat文件复制到D:\MachineLearning\ex6目录下，在当前目录下建立plotData.m文件，源码与之前类似，数据与两次考试与录取结果数据集类似，绘制相应的数据集。1.2不带核函数SVM大多数支持向量机软件包（包括svmTrain.m）会自动为您添加额外的特性x0=1，并自动学习截距项θ0。所以当你把你的训练数据传递给SVM软件时
身影王座·2024-01-18 06:57

吴恩达机器学习笔记（1）

一.初识机器学习1.监督学习在监督学习中，训练数据既有特征又有标签，通过训练，让机器可以自己找到特征和标签之间的联系，在面对只有特征没有标签的数据时，可以判断出标签。监督学习可以分为回归问题和分类问题。回归问题是利用训练出的模型，预测连续的数值输出；分类问题是预测离散值的输出。2.无监督学习无监督学习是给算法大量的数据，要求它找出数据的类型结构。无监督学习的数据没有标签，或是所有数据都是同一种标签
python小白22·2024-01-17 14:59

houdini rnn

1.3.RNN模型_哔哩哔哩_bilibili此公式来自于吴恩达P1.3视频按公式推测rnn内部结构,如有错误，敬请指正
qq_39239990·2024-01-17 07:35

【Machine Learning】机器学习笔记（2）——如何处理训练不好的情况

Howtodealwithbadtrainingsomereference如何处理训练不好的情况1、LossontrainingdataislargeCriticalpointBatchandMomentumAdaptiveLearningRateClassificationBatchNormalization2、Lossontrainingdataissmallbutontestingdatai
Ω snow·2024-01-17 07:11

美国初创公司Rabbit推出口袋AI设备R1；吴恩达课程：使用LangChain.js构建强大的JavaScript应用

AI新闻美国初创公司Rabbit推出口袋AI设备R1，短时间内被抢购一空摘要：美国初创公司Rabbit在CES2024上发布了口袋AI设备R1，这款设备在一天内被抢购一空，售价为199美元。R1具有小巧玲珑的触屏、摄像头和交互滚轮按钮，搭载Rabbit自主研发的操作系统rabbitOS和大型操作模型，可以集多种功能于一身并学习特定应用操作。R1的目标是解放用户，充当AI助理，例如通过按住按钮命令叫
go2coding·2024-01-16 13:00

机器学习学习笔记（吴恩达）（第三课第一周）（无监督算法，K-means、异常检测）

欢迎聚类算法：无监督学习：聚类、异常检测推荐算法：强化学习：聚类（Clustering）聚类算法：查看大量数据点并自动找到彼此相关或相似的数据点。是一种无监督学习算法聚类与二院监督学习算法对比：无监督：（聚类是无监督学习算法之一）聚类算法应用：如相似的新闻文章组合，市场细分，DNA数据分析，天文数据分析（星系、天体结构）K-means算法是一种常用的聚类算法原理概述【K-means工作原理过程】（
kgbkqLjm·2024-01-16 10:30

吴恩达深度学习学习笔记-7建立神经网络

1.训练神经网络训练神经网络时，需要做许多决策。例如，有多少层网络每层含有多少个隐藏单元学习率各层采用哪些激活函数…这些决策无法一次决定好，通常在项目启动时，我们会先有一个初步想法，然后编码，并尝试运行这些代码，再根据结果完善自己的想法，改变策略。2.train/dev/testsets通常把数据分为训练集，验证集，测试集。我们用训练集数据训练模型，用验证集做holdoutcrossvalidat
猪猪2000·2024-01-16 02:03

【吴恩达深度学习】Keras tutorial - the Happy House

Kerastutorial-theHappyHouseWelcometothefirstassignmentofweek2.Inthisassignment,youwill:LearntouseKeras,ahigh-levelneuralnetworksAPI(programmingframework),writteninPythonandcapableofrunningontopofsever
深海里的鱼(・ω<)★·2024-01-16 02:03

吴恩达深度学习第二课-第一周笔记及课后编程题

笔记训练_开发_测试集小数据时代训练集/测试集的分配比例大致遵循70%/30%或训练集/开发集（或crossvalidationset）/测试集的分配比例大致遵循60%/20%/20%大数据时代只要开发集能够确定哪一个算法/模型有更好的表现，测试集能够无偏评估模型的性能，就称赋予了开发集、测试集足够的数据量了；训练集将被赋予更大比重的数据量。如：训练集/开发集/测试集的比率为98%/2%/2%注：
Giraffeee_·2024-01-16 02:01
上一页 1 2 3 4 5 6 7 8 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他