机器学习笔记——吴恩达第4页

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

吴恩达深度学习--神经网络的优化(1)

1.训练集，验证集，测试集选择最佳的Train/Dev/Testsets非常重要。除此之外，构建神经网络时，需要设置的参数很多：神经网络层数，神经元个数，学习率的大小。激活函数的选择等等。实际上很难第一次就确定好这些参数，大致过程是：先确定初始参数，构建神经网络模型，然后通过代码实现该模型，之后进行试验确定模型的性能。根据性能再不断调整参数，重复上述过程，直到让神经网络模型最优。由上述可知，深度学

Kangrant·2024-01-16 02:30

机器学习笔记E4--朴素贝叶斯

按照计划今天该是整理到朴素贝叶斯了，但是线性回归的实现和逻辑回归都还没有完成，欠的东西越来越多。预备知识贝叶斯定理（BayesianTheorem）先验概率与后验概率朴素贝叶斯分类器何为“朴素”：属性条件独立性假设分类准则离散属性与连续属性值的分别处理例子讲解拉普拉斯修正(Laplaciancorrection)了解朴素贝叶斯需要先了解贝叶斯定理，深入了解朴素贝叶斯朴素贝叶斯分类器

EL33·2024-01-15 14:44

【数据预处理】什么时候需要数据归一化？

数据预处理：归一化和标准化机器学习笔记：为什么要对数据进行归一化处理？数据标准化作用：模型求解需要，归一化可以加快梯度下降的速度，即模型收敛速度。

dataloading·2024-01-15 07:13

Machine Learning Series--Linear Regression

前言最近看了李航老师的《统计学习方法》，还正在学习吴恩达老师的《机器学习》的课程（网易公开课上有，较老的版本）。自从看过《统计学习方法》之后，发现笔记不看其实学习效果并不好。

22岁开始·2024-01-14 20:30

Day 670：机器学习笔记（1）

机器学习，本质上是用模型解决实际业务问题。通过学习模型，可以知道机器学习的基本机制以及相关领域问题是如何解决的。学习有两种方式，一是记住问题和对应模型然后直接使用，二是了解模型底层的原理和推导过程。这和我们学习某种编程语言一样，可以只会调用类库，但要想成为专家，就必须了解底层原理，在面对复杂应用时，就可以融会贯通，做出适当取舍和正确决策了。另外，了解原理，你可以告诉领导、同事，为什么选这个模型，甚

kafkaliu·2024-01-14 13:13

人工智能学习计划入门级

机器学习、深度学习的基本原理和算法-Python编程基础-数据预处理和数据分析的方法-常用的人工智能框架和工具3.资料收集：-教材：《人工智能基础（第三版）》《Python从入门到精通（第三版）》-网课：吴恩达的机器学习课程

ISDF-工软未来·2024-01-14 07:51

简易机器学习笔记（十一）opencv 简易使用-人脸识别、分类任务

前言前段时间摸了下机器学习，然后我发现其实openCV还是一个很浩瀚的库的，现在也正在写一篇有关yolo的博客，不过感觉理论偏多，所以在学yolo之前先摸一下opencv，简单先写个项目感受感受opencv。流程openCV实际上已经有一个比较完整的模型了，下载在haarcascades这里我们下haarcascade_frontalface_default.xml以备用。在做人脸识别的时候流程就

Leventure_轩先生·2024-01-14 06:51

GPT小指南

你可以通过评论或者私信我补充每一个细节首先建议学习https://www.deeplearning.ai/short-courses/chatgpt-prompt-engineering-for-developers/吴恩达和

ustc懒苗·2024-01-14 06:00

【机器学习笔记】Python基础笔记

目录基础语法加载数据：pd.read_csv查看数据大小：shape浏览数据行字段：columns浏览少量数据：head()浏览数据概要：describe()输出：to_csv基础功能语法缺省值去除缺失值：dropna按行删除：存在空值，即删除该行按行删除：所有数据都为空值，即删除该行按列删除：该列非空元素小于10个的，即去除该列设置子集：去除多列都为空的行分割后删除缺省列：.drop删除指定的列

print_Hyon·2024-01-13 02:52

计划1

1.吴恩达DL2021(强推|双字)2021版吴恩达深度学习课程Deeplearning.ai_哔哩哔哩_bilibiliPart1神经网络与深度学习（6+19+12+8）共45Part2训练、开发、测试集

JLcucumber·2024-01-12 11:54

机器学习笔记一之入门概念

目录一基本分类二按模型分类概率模型（ProbabilisticModels）非概率模型（Non-ProbabilisticModels）对比结论线性模型(LinearModels)非线性模型(Non-linearModels)对比三按算法分类1.批量学习（BatchLearning）2.在线学习（OnlineLearning）对比四按技巧分类五机器学习的三要素经验风险(EmpiricalRisk)

ζั͡ޓއއއ坏尐絯·2024-01-11 10:18

人工智能时代，产品经理该不该学算法

于是搜索各种资料，看了吴恩达老师和李宏毅老师的机器学习课程，加入各种社区，购买了算法课程与数学课程，学了一点python。两个多月后的现在，我决定，放弃敲机器学习算法代码，从入门到放弃。

脑洞有坑·2024-01-11 06:42

ML：2-2neural network layer

文章目录1.神经网络层2.更复杂的神经网络3.神经网络的前向传播【吴恩达机器学习笔记p47-49】1.神经网络层【了解神经网络如何完成预测的】input：4个数字的向量。

skylar0·2024-01-10 18:53

ML：5-1 neural networks

文章目录course2框架1.neuralnetworks（deeplearning）2.DemandPrediction【吴恩达机器学习p43-46】course2框架一、neuralnetworks-inference

skylar0·2024-01-10 18:22

3万字机器学习笔记+总结(知识点全覆盖)

文章目录机器学习逻辑回归（LR）基本原理为什么LR要使用sigmoid函数？LR可以用核函数么？为什么LR用交叉熵损失而不是平方损失？LR能否解决非线性分类问题？LR为什么要离散特征？逻辑回归是处理线性问题还是非线性问题的？线性回归基本原理线性回归与逻辑回归（LR）的区别支持向量机（SVM）基本原理

搬砖成就梦想·2024-01-10 14:02

自然语言处理之文本表示（二）

本文主要参考Coursera上国立高等经济大学的自然语言处理课程和吴恩达老师的的机器学习课程。one-hotone-hot可以说是机器学习领域最常见的数据表示形式了。

fighting_7c21·2024-01-10 08:54

How to read research paper efficiently

知乎上看到吴恩达的一个小演讲，很短但非常好，做了一下笔记：吴恩达阐述如何有效阅读论文Howtoreadresearchpapers:Compilelistofpapers(median/blogposts

芒鞋儿·2024-01-09 16:57

机器学习笔记 - 基于RAFT的光流估计进行稳健的运动物体检测

一、简述如果相机在移动，光流本身无法有效检测运动。尽管可以区分某些运动，但我们需要找到一种方法来区分相机和物体运动，以便执行检测。在本教程中，我们将利用深度光流和特殊的RANSAC算法来检测移动摄像机的运动。一个随机样本共识（RANSAC）的简单介绍https://skydance.blog.csdn.net/article/details/134887458https://skydance.bl

坐望云起·2024-01-09 10:46

吴恩达深度学习笔记(50)-超参数训练的实践

超参数训练的实践：PandasVSCaviar（Hyperparameterstuninginpractice:Pandasvs.Caviar）到现在为止，你已经听了许多关于如何搜索最优超参数的内容，在结束我们关于超参数搜索的讨论之前，我想最后和你分享一些建议和技巧，关于如何组织你的超参数搜索过程。如今的深度学习已经应用到许多不同的领域，某个应用领域的超参数设定，有可能通用于另一领域，不同的应用领

极客Array·2024-01-09 05:56

机器学习笔记 - 基于OpenCV+稀疏光流的无监督运动检测

一、简述在各种高级开源库的帮助下，检测固定摄像机拍摄的运动行为是轻而易举可以实现的，但检测移动的摄像机拍摄的移动物体的运动检测依然是一个复杂的问题。在这里，我们将继续基于稀疏光流，并检测移动的无人机相机的运动。这里使用的数据集来自VisDrone数据集，见下面github的链接。这个数据集其中包含各种环境下的无人机视频剪辑。运动检测在该领域的应用包括：监视、自主、搜索和救援，甚至环境应用。该检测方

坐望云起·2024-01-08 11:09

李弘毅机器学习笔记：第七章—深度学习的发展趋势

李弘毅机器学习笔记：第七章—深度学习的发展趋势回顾一下deeplearning的历史：1958:Perceptron(linearmodel)1969:Perceptronhaslimitation1980s

weixin_mm975247003·2024-01-08 10:56

机器学习笔记 - win11 + camke + vs2022 + vcpkg编译pcl点云处理库，并创建c++项目，加载3d点云文件并显示

一、环境说明这里编译的环境主要是基于vcpkg、cmake、VisualStudio2022、win11。1、首先更新vcpkg因为我本地是已经安装过vcpkg的，但是很久没有更新了，所以首先更新一下，该挂梯子的要挂梯子了，如果挂了梯子也不好用，那就更新的时候看看什么下载不下来，就想办法手动下载吧。更新过程，首先重新拉取gitpullhttps://github.com/microsoft/vcp

坐望云起·2024-01-08 08:38

玩转ChatGPT：吴恩达/OpenAI合作教程《面向开发者的ChatGPT提示工程》

一、写在前面最近，吴恩达与CloseOpenAI合作出了一个教程《面向开发者的ChatGPT提示工程》，第一时间就观摩了，有些体会，现在把个人觉得有意思的搬运过来。

Jet4505·2024-01-08 05:03

2023春季李宏毅机器学习笔记 02 ：机器学习基本概念

资料课程主页：https://speech.ee.ntu.edu.tw/~hylee/ml/2023-spring.phpGithub：https://github.com/Fafa-DL/Lhy_Machine_LearningB站课程：https://space.bilibili.com/253734135/channel/collectiondetail?sid=2014800一、機器學習基

女王の专属领地·2024-01-07 23:15

机器学习笔记：时间序列异常检测

1异常类型1.1异常值outlier给定输入时间序列，异常值是时间戳值其中观测值与该时间序列的期望值不同。1.2波动点（ChangePoint）给定输入时间序列，波动点是指在某个时间t，其状态在这个时间序列上表现出与t前后的值不同的特性。1.3断层异常（Breakout）时序系统中某一时刻的值比前一时刻的值陡增或者陡降很多，之后形态也发生了改变。2常见异常检测方法2.1基于统计首先建立一个数据模型

UQI-LIUWJ·2024-01-07 19:35

吴恩达最新预测：关于AI，这些事未来十年不会变

Datawhale干货分享：吴恩达等，来源：量子位2024年，AI的发展会有怎样的改变？在吴恩达最新的一封来信中，他认为有几件事情在接下来十年内都不会发生改变。

Datawhale·2024-01-07 14:12

机器学习笔记 - 偏最小二乘回归 (PLSR)

一、偏最小二乘回归：简介PLS方法构成了一个非常大的方法族。虽然回归方法可能是最流行的PLS技术，但它绝不是唯一的一种。即使在PLSR中，也有多种不同的算法可以获得解决方案。PLS回归主要由斯堪的纳维亚化学计量学家SvanteWold和HaraldMartens在20世纪80年代初开发。理论背景基于HermanWold（Svante的父亲）的PLS建模框架。偏最小二乘回归（PLSR）是机器学习和预

坐望云起·2024-01-07 13:41

2023春季李宏毅机器学习笔记 03 ：机器如何生成文句

资料课程主页：https://speech.ee.ntu.edu.tw/~hylee/ml/2023-spring.phpGithub：https://github.com/Fafa-DL/Lhy_Machine_LearningB站课程：https://space.bilibili.com/253734135/channel/collectiondetail?sid=2014800一、大语言模型

女王の专属领地·2024-01-07 11:33

机器学习笔记 - 用于语义图像分割的空洞卷积DeepLabv3

一、什么是DeepLabv3？DeepLabv3是用于语义分割任务的深度神经网络(DNN)架构。虽然不是比较新的网络模型，但是也是分割模型里的杰出代表之一，所以还是值得深入了解。它使用Atrous（Dilated）卷积来控制感受野和特征图分辨率，而不增加参数总数。另一个主要属性是所谓的“AtrousSpatialPyramidPooling”，它可以有效地提取包含有用分割信息的多尺度特征。一般来说

坐望云起·2024-01-06 20:52

李宏毅机器学习笔记

抱抱小杠杠·2024-01-06 11:40

svm核函数gamma参数_svm常用核函数介绍

这里有一篇博文介绍了，每个核函数的用途：https://blog.csdn.net/batuwuhanpei/article/details/52354822在吴恩达的课上，也曾经给出过一系列的选择核函数的方法

weixin_39683692·2024-01-06 08:35

简易机器学习笔记（九）LeNet实例 - 在眼疾识别数据集iChallenge-PM上的应用

前言上一节大概讲了一下LeNet的内容，这一章就直接来用，实际上用一下LeNet来进行训练和分类试试。调用的数据集：https://aistudio.baidu.com/datasetdetail/19065说明：如今近视已经成为困扰人们健康的一项全球性负担，在近视人群中，有超过35%的人患有重度近视。近视会拉长眼睛的光轴，也可能引起视网膜或者络网膜的病变。随着近视度数的不断加深，高度近视有可能引

Leventure_轩先生·2024-01-06 06:20

简易机器学习笔记（十）Windows下 PaddlePaddle配置CUDA加速环境

前言大伙既然都来做这个了，那配个CUDA环境肯定是必不可少的了吧（笑）最前面的最前面，流程确定当前设备支持的CUDA版本安装CUDAToolkit和GPU版的Paddlepaddle下载cuDNNArchive手动放置配套的cuDNN到指定文件夹测试1.确定当前设备支持的CUDA版本当然了，我这里默认了你是有安装NVIDIA驱动的，如果没有，你可以自己百度一下如何安装NVIDIA驱动，或者直接下载

Leventure_轩先生·2024-01-06 06:46

吴恩达等专家关于2024年AI发展趋势的预测

社区、工具和数据的重要性吴恩达：斯坦福大学计算机科学系和电子工程系副教授，人工智

智哪儿·2024-01-06 04:26

incremental learning(增量学习是什么意思）

概念上跟着吴恩达大佬刷新了一下，其实只是看上去nn和大脑神经相似而已，本质上就是让机器给我们一个函数，一个“黑盒”，输进去data,出来我们想要的结果。

：）�东东要拼命·2024-01-05 20:16

机器学习之基本了解篇

你要好好学习呀·2024-01-05 17:01

2023春季李宏毅机器学习笔记 05 ：机器如何生成图像

资料课程主页：https://speech.ee.ntu.edu.tw/~hylee/ml/2023-spring.phpGithub：https://github.com/Fafa-DL/Lhy_Machine_LearningB站课程：https://space.bilibili.com/253734135/channel/collectiondetail?sid=2014800一、图像生成常

女王の专属领地·2024-01-05 11:10

吴恩达机器学习笔记（1）——单变量线性回归

上一个笔记，我们大概了解了什么是机器学习以及机器学习的两个重要的分类，本篇笔记将带领大家了解机器学习的第一个模型——线性回归例题为了让大家更加直观的理解这个模型，我们引入一个例题，我们有一组波特兰市的城市住房的价格数据，我们要通过这些数据来找出一个函数，来预测任意面积下的房价，这就是一个简单的线性回归问题。这里给出的数据是一组房子面积对应的房价数据集其中m代表训练集，x是输入，y是输出。我们用（x

机智的神棍酱·2024-01-05 06:35

2019年上半年收集到的人工智能迁移学习干货文章

迁移学习之最大分类器差异的无监督域适应吴恩达深度学习笔记(67)-迁移学习（Transferlearning)深度学习不

城市中迷途小书童·2024-01-04 20:11

吴恩达深度学习intuition

这里是看吴恩达课程的一些记录和联想（因为以前听过，因此不会很细致，只做个人记录）课程链接首先提到trainingset,validationset(devset)，testset的分割问题。

Karen_Yu_·2024-01-04 16:11

【OpenCV基础】计算机视觉专业术语大全

原创文，转载请注明出处文章目录技术路线专业术语深度学习框架的模型和配置文件格式卷积神经网络的组成卷积运算技术路线吴恩达老师的《机器学习》课程，B站链接：（https://

嵌小超·2024-01-04 09:11

吴恩达DeepLearningAI课程学习资源和课程总结

一、学习资源：吴恩达老师的DeepLearningAI课程分为5门课程：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、卷积神经项目和序列模型。目前主要学习了前四门课程，遂做一些总结。

李大文·2024-01-04 09:39

推荐频道

机器学习笔记——吴恩达