机器学习笔记——吴恩达

吴恩达机器学习课后作业Python实现 01 Linear Regression

文章目录题目说明单变量线性回归梯度下降正则方程调用sklearn库多变量线性回归题目说明在本部分的练习中，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，正考虑在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食品卡车，而且你有来自城市的利润和人口数据。您希望通过使用这些数据来帮助您扩展到下一个城市。单变量线性回归导入库importnumpyasnpimpo
shy~·2023-11-30 01:57

吴恩达机器学习课后作业Python实现 02 Logistic Regression

文章目录逻辑回归正则化逻辑回归逻辑回归题目描述设想你是某大学相关部分的管理者，想通过申请学生两次测试的评分，来决定他们是否被录取。现在你拥有之前申请学生的可以用于训练逻辑回归的训练样本集。对于每一个训练样本，你有他们两次测试的评分和最后是被录取的结果。可以准备构建一个基于两次测试评分来评估录取可能性的分类模型来完成这个预测任务。导入库importnumpyasnpimportpandasaspdi
shy~·2023-11-30 01:57

LLM大语言模型学习资料整理2308

2333331、吴恩达与OpenAI合作系列课程（中文版）《面向开发者的LLM入门课程》在线阅读地址：https://datawhalechina.github.io/prompt-engineering-for-developers
Mango_Holi·2023-11-29 19:05

吴恩达《机器学习》10-6-10-7:学习曲线、决定下一步做什么

一、学习曲线1.学习曲线概述学习曲线将训练集误差和交叉验证集误差作为训练集实例数量（m）的函数绘制而成。这意味着从较少的数据开始，逐渐增加训练集的实例数量。该方法的核心思想在于，当训练较少数据时，模型可能会完美地适应这些数据，但这并不代表它能够很好地适应交叉验证集或测试集数据。2.识别高偏差/欠拟合在学习曲线中，对于高偏差或欠拟合的情况，增加训练集数据可能不会显著改善模型效果。具体而言，如果使用一
不吃花椒的兔酱·2023-11-29 12:48

吴恩达深度学习（六）

超参数调整第一课：调整过程调整神经网络的过程包含了对许多不同超参数的设置，那么怎么样为这些参数找到比较合适的设定值呢？准则和系统化进行超参数设置的技巧将帮助你更加快速有效的获得合适的超参数。在深度神经网络训练中，面对大量的超参数，包括学习速率α、动量超参数β1、Adam优化算法中的超参数β2和ε、网络层数以及每层网络中隐藏单元的数量、学习率衰减情况下不可能只有单一的学习率、mini-batch的大
带刺的小花_ea97·2023-11-29 02:12

前向传播算法

跟着吴恩达老师入门机器学习所谓前向传播就是也就是从左向右的算法首先根据W的列数来判断有多少个神经元，W.shape[1]就是输出W矩阵的列数每个神经元都会输出一个值循环遍历获得这层所有的神经元的输出a_out
passerby58·2023-11-28 17:35

Coursera-吴恩达机器学习课程个人笔记-Week2

Week2线性回归和梯度下降法参数说明1.多特征的线性回归方程2.梯度下降法(GradientDescent)2.1如何选择参数向量θ呢？2.2优化梯度下降法的方法  1).特征缩放(特征标准化)  2).学习率α的选择2.3批量梯度下降算法和随机梯度下降算法3.线性回归的“非线性拟合”4.目标函数J(θ)的最小值的线性代数求法(了解)4.1目标函数J(θ)的最小值求解过程：4.2梯度下降法和线代
lavendelion·2023-11-28 15:22

机器学习笔记4：Logistic 回归模型

Logistic回归的基本原理logistic回归的优化算法前言：在分类任务中，我们是通过从输入xxx到输出yyy的映射fff的模型得出来的：y^=f(x)=argmaxp(y=c∣x,D)\hat{y}=f(x)=argmaxp(y=c|\mathbf{x},D)y^=f(x)=argmaxp(y=c∣x,D)其中，我们定义yyy为离散值，其取值范围称之为标签空间：y={1,2,..,C}y=\
陆撄宁·2023-11-28 15:50

机器学习笔记五—机器学习攻击与防御

系列文章目录机器学习笔记一—机器学习基本知识机器学习笔记二—梯度下降和反向传播机器学习笔记三—卷积神经网络与循环神经网络机器学习笔记四—机器学习可解释性机器学习笔记五—机器学习攻击与防御机器学习笔记六—
江_小_白·2023-11-27 19:03

机器学习笔记05---SVM支持向量机

支持向量机（SupportVectorMachine,SVM）是一类按监督学习（supervisedlearning）方式对数据进行二元分类的广义线性分类器（generalizedlinearclassifier），其决策边界是对学习样本求解的最大边距超平面（maximum-marginhyperplane）。SVM被提出于1964年，在二十世纪90年代后得到快速发展并衍生出一系列改进和扩展算法，
一件迷途小书童·2023-11-27 09:15

02、Tensorflow实现手写数字识别（数字0-9）

02、Tensorflow实现手写数字识别（数字0-9）开始学习机器学习啦，已经把吴恩达的课全部刷完了，现在开始熟悉一下复现代码。对这个手写数字实部比较感兴趣，作为入门的素材非常合适。
怡步晓心l·2023-11-27 06:50

斯坦福机器学习 Lecture3

卧槽，吴恩达讲得太好了22:20-41:00接下来我们看交叉熵（逻辑回归）推导逻辑回归定义交叉熵推导今天的机器学习就学到这里，先做作业TODO:here
shimly123456·2023-11-26 05:51

适合有编程基础的人看的《韩顺平零基础30天学java》笔记【最后一章：正则表达式】

无意间发现韩顺平老师的课程，细心细致，讲课和吴恩达老师一样，都是保姆式讲解，各种基础知识都会补充，爱了。
努力学习的程序兔一枚·2023-11-25 23:01

吴恩达机器学习作业4（python）

git参考（课程+代码+作业）代码不包括画图部分正向传播importnumpyasnpimportmatplotlib.pylabaspltimportscipy.ioassioimportmathimportscipy.optimizeasop#神经网络#分类（识别）手写数字图片np.set_printoptions(threshold=np.inf)#print()可以显示所有数据data=s
之江小林·2023-11-25 16:27

吴恩达机器学习作业2（python）

git参考（课程+代码+作业）代码不包括画图部分逻辑回归op.minimize高级算法计算代价最小值importnumpyasnpimportscipy.optimizeasop#逻辑回归，分类问题#梯度下降，高级算法求最小代价defsigmoid(z):return1/(1+np.exp(-z))defcostFunction(theta,x,y):m=np.size(y)h=sigmoid(x
之江小林·2023-11-25 16:57

吴恩达机器学习作业3（python）

git参考（课程+代码+作业）代码不包括画图部分逻辑回归importnumpyasnpimportmatplotlib.pylabaspltimportscipy.ioassioimportmathimportscipy.optimizeasop#逻辑回归#分类（识别）手写数字图片defsigmoid(z):return1/(1+np.exp(-z))defcostFunction(theta,x
之江小林·2023-11-25 16:57

基于android平台的笔记簿,机器学习笔记簿 降维篇 LDA 01

机器学习中包含了两种相对应的学习类型：无监督学习和监督学习。无监督学习指的是让机器只从数据出发，挖掘数据本身的特性，对数据进行处理，PCA就属于无监督学习，因为它只根据数据自身来构造投影矩阵。而监督学习将使用数据和数据对应的标签，我们希望机器能够学习到数据和标签的关系，例如分类问题：机器从训练样本中学习到数据和类别标签之间的关系，使得在输入其它数据的时候，机器能够把这个数据分入正确的类别中。线性鉴
王润莲·2023-11-25 14:07

2023-11-21时间记录

听英语课程深度学习阅读书籍，也可以练练字今天干了什么2023-11-21时间记录8:30（下床）10:00（开始学习）学习输出8:30（下床）洗漱煮蛋，9:45出门10:00（开始学习）10:00-11:30英语听力吴恩达深度学习
多喝开水少熬夜·2023-11-25 14:37

01、Tensorflow实现二元手写数字识别

01、Tensorflow实现二元手写数字识别（二分类问题）开始学习机器学习啦，已经把吴恩达的课全部刷完了，现在开始熟悉一下复现代码。对这个手写数字实部比较感兴趣，作为入门的素材非常合适。
怡步晓心l·2023-11-25 13:14

算法笔记：OPTICS 聚类

)是一基于密度的聚类算法OPTICS算法是DBSCAN的改进版本在DBCSAN算法中需要输入两个参数：ϵ和MinPts，选择不同的参数会导致最终聚类的结果千差万别，因此DBCSAN对于输入参数过于敏感机器学习笔记
UQI-LIUWJ·2023-11-25 10:15

机器学习笔记06---极大似然估计

估计类条件概率的一种常用策略是先假定其具有某种确定的概率分布形式，再基于训练样本对概率分布的参数进行估计。具体地，记关于类别c的类条件概率为P(x|c)，假设P(x|c)具有确定形式并且被参数向量θc唯一确定，则我们的任务就是利用训练集D估计参数θc。为了明确起见，我们将P(x|c)记为P(x|θc)。事实上，概率模型的训练过程就是参数估计(parameterestimation)过程。对于参数估
一件迷途小书童·2023-11-24 18:58

吴恩达《机器学习》9-7-9-8:综合起来、自主驾驶

在神经网络的使用过程中，需要经历一系列步骤，从网络结构的选择到训练过程的实施。以下是使用神经网络时的主要步骤的小结：一、网络结构的选择输入层：第一步是选择网络结构，即确定神经网络的层数以及每层的单元数。输入层的单元数应该等于训练集的特征数量。输出层：输出层的单元数应该等于训练集中结果的类的数量。隐藏层：如果有隐藏层，确保每个隐藏层的单元数相同。通常情况下，隐藏层单元的数量越多越好。需要决定的是隐藏
不吃花椒的兔酱·2023-11-24 16:05

机器学习（1）监督学习和无监督学习

斯坦福大学吴恩达教授的机器学习课程堪称经典，参考该课程，来和大家一起入门学习机器学习这一领域。机器学习是什么？不存在一个被广泛认可的定义在进行特定编程的情况下，给予计算机学习能力的领域。
天凉玩个锤子·2023-11-24 13:40

吴恩达Coursera深度学习课程 course2-week1 深度学习的实践层面 总结

P0前言第二门课:ImprovingDeepNeuralNetworks:Hyperparameterturing,RegularizationandOptimization(改善深层神经网络：超参数调试、正则化以及优化)第一周:PracticalaspectsofDeepLearning(深度学习的实践层面)主要知识点:(Train/Dev/Testsets)训练测试集划分、(Bias/Vari
ASR_THU·2023-11-23 19:40

Course1-Week2-多输入变量的回归问题

用于多元线性回归的梯度下降法2.使梯度下降法更快收敛的技巧2.1特征缩放2.2判断梯度下降是否收敛2.3如何设置学习率3.特征工程3.1选择合适的特征3.2多项式回归笔记主要参考B站视频“(强推|双字)2022吴恩达机器学习
虎慕·2023-11-23 19:39

2022吴恩达机器学习第3课week3

2022吴恩达机器学习课程学习笔记（第三课第三周）1-1什么是强化学习1-2示例：火星探测器1-3强化学习的回报1-4决策：强化学习中的策略1-5审查关键概念2-1状态-动作价值函数定义2-2状态-动作价值函数示例
天微亮。·2023-11-23 19:38

吴恩达深度学习Course1-Week(3)

吴恩达深度学习Course1-Week(3)文章目录吴恩达深度学习Course1-Week(3)一、什么是神经网络NeuralNetwork?
木心·2023-11-23 19:35

吴恩达深度学习Course1-Week(1)(2)

吴恩达深度学习Course1-Week(1)(2)文章目录吴恩达深度学习Course1-Week(1)(2)一、影响神经网络的性能的因素二、逻辑回归(logisticregression)中的一些符号(
木心·2023-11-23 19:05

吴恩达深度学习Course2-Week(1)

吴恩达深度学习Course2-Week(1)文章目录一、Train/Dev/Test二、为什么双边导数的定义精度更高？
木心·2023-11-23 19:05

Course 5-Recurrent Neural Networks--Week 1

吴恩达老师的RNN课程已经学了一遍了，但总觉得自己学得不够明白，怎么办？再来一遍啊。书读百遍其义自见嘛！
岱宗雪·2023-11-23 19:31

吴恩达深度学习笔记5-Course2-Week1【深度学习的实用层面】

改善深层神经网络：超参数调试、正则化以及优化深度学习的实用层面一、训练、验证、测试集样本数据分成以下三个部分：训练集(trainset):用于对模型进行训练。验证集(hold-outcrossvalidation/developmentset):对不同模型进行评估。测试集(testset):对选取的模型进行无偏评估。node:验证集要和训练集最好来自于同一个分布，可以使得机器学习算法变快。如果不需
Wang_Jiankun·2023-11-23 19:28

吴恩达深度学习笔记8-Course3-Week1【机器学习策略（ML Strategy）1】

结构化机器学习项目机器学习策略（MLStrategy）1一、机器学习策略介绍（IntroductiontoMLStrategy）1、机器学习策略就是超参数调优的策略，怎么调？怎们评估调优的效果？调哪些超参的效果更好？超参数调优的次序？下图是一些经常调优的超参：2、正交化（Orthogonalization）正交化或正交性是一种系统设计属性，可确保修改算法的某一部分不会对系统的其他部分产生或传播副作
Wang_Jiankun·2023-11-23 19:58

【机器学习小记】【平面数据分类】deeplearning.ai course1 3rd week programming

np.dot()与np.multiply()的区别结果使用简单逻辑回归测试不同的隐藏层神经元数测试其他数据集原始数据集测试不同的隐藏层神经元数目标：带有一个隐藏层的平面数据分类神经网络参考自：【中文】【吴恩达课后编程作业
LittleSeedling·2023-11-23 19:27

吴恩达、李飞飞等大咖为AI公司数据问题支招

来源：新智元作者：胡祥杰本文长度为5633字，建议阅读6分钟本文为你介绍吴恩达、李飞飞等6位走在AI研究前线的大人物和机构负责人对“数据”的见解。
「已注销」·2023-11-23 13:39

吴恩达与 OpenAI 强强联手，《ChatGPT 提示工程》中英教程，来了！（附脑图笔记）

吴恩达老师在五一前发布了新课程，于是我花了些时间来学习这个重磅大礼。课程虽然只有短短90分钟，但是干货十足！比起那些必备提示词什么的真是强太多了。正所谓“授人以鱼不如授人以渔”。
Kevin涛·2023-11-23 09:07

机器学习笔记

数据集获取sklearn.datasets.load_*()获取小规模数据集fetch_*(data_home=None)获取大规模数据集，data_home表示目录，可不指定实例1：获取鸢尾花数据集sklearn.datasets.load_iris()实例2：获取大规模数据集sklearn.datasets.fetch_20newsgroups(data_home=None,subset=’t
提子同学是我·2023-11-23 08:17

吴恩达深度学习课后编程作业IndexError: only integers, slices (`:`), ellipsis (`...`), numpy.newaxis (`None`) and i

吴恩达深度学习课后编程作业出现的错误IndexError:onlyintegers,slices(":“),ellipsis(”…"),numpy.newaxis(“None”)andintegerorbooleanarraysarevalidindices
坤坤不爱吃鱼·2023-11-23 05:33

吴恩达《机器学习》9-4-9-6:实现注意:展开参数、梯度检验、随机初始化

一、实现注意:展开参数在上一个视频中，讨论了使用反向传播算法计算代价函数的导数。在本视频中，将简要介绍一个实现细节，即如何将参数从矩阵展开为向量。这样做是为了在高级最优化步骤中更方便地使用这些参数。二、梯度检验在神经网络中使用梯度下降算法时，复杂模型可能导致一些难以察觉的错误，即使代价函数在减小，最终结果也可能并非最优解。为了解决这个问题，采用一种称为梯度检验（GradientChecking）的
不吃花椒的兔酱·2023-11-23 05:34

LLM prompt提示构造案例

参考：https://github.com/PlexPt/awesome-chatgpt-prompts-zh吴恩达prompt工程应用：https://www.bilibili.com/video/BV1No4y1t7Znprompt
loong_XL·2023-11-22 21:01

deeplearning AI 笔记-1.1

之前吴恩达的deeplearning系列的课程，看完就忘了，所以这次做个笔记的主要目的是为了方便复习所用。大多数内容都是从黄海广博士的笔记里面摘抄过来的。如有错误，烦请指正，补充。
安于此生__·2023-11-22 17:39

李宏毅2023春季机器学习笔记 - 01生成AI（ChatGPT）

一、引言预设的知识储备要求：数学（微积分、线性代数、机率）；编程能力（读写python）这门课专注在深度学习领域deeplearning，事实上深度学习在今天的整个机器学习（ML）的领域使用非常广泛，可以说是最受重视的一项ML技术。这门课可以作为你的机器学习的第一堂课，修完后可以更深入的把这个技术，用在你未来感兴趣的领域。课程录像和作业：如果只凭googlecolab可以取得及格的成绩，基本上如果
linyuxi_loretta·2023-11-22 17:09

机器学习笔记（四）---- 逻辑回归的多分类

一般情况下，我们都认为逻辑回归(LR)用来解决二分类问题，模型输出是y=1的概率值。那逻辑回归能否用来做多分类任务呢，答案是肯定的。这里有两种方法使得逻辑回归能进行多分类任务：一、将多分类任务拆解成多个二分类任务，利用逻辑回归分类器进行投票求解；二、对传统的逻辑回归模型进行改造，使之变为softmax回归模型进行多分类任务求解--多分类任务拆解成多个二分类器首先了解下进行多分类学习任务的策略，第一
zhy_Learn·2023-11-22 01:23

机器学习笔记 - Ocr识别中的CTC算法原理概述

机器学习笔记-Ocr识别中的文本检测EAST网络概述-CSDN博客文章浏览阅读300次。在EAST网络的这个分支中，它合并了VGG16网络不同层的特征输出。
坐望云起·2023-11-21 08:48

第七章 卷积神经网络

image.png1553411117095.png吴恩达1pic1猫分类image.pngimage.pngimage.png车识别image.png合image.png新型艺术image.pngpic2
Onion_998f·2023-11-21 07:14

双向循环神经网络和深层循环神经网络 （吴恩达老师_学习笔记）

目录双向循环神经网络（BidirectionalRNN）深层循环神经网络（DeepRNNs）双向循环神经网络（BidirectionalRNN）双向RNN模型（BRNN），可以在序列的某点处不但获取之前的信息，同时还可以获取这个序列点之后的信息，说的炫酷点就是getinformationfromthefuture。而标准的RNNblocks、GRUunits、LSTMunits都只是前向的（单向）
瓜波牛排·2023-11-21 02:28

机器学习笔记

目录机器学习基本概念介绍深度学习反向传播前向传播反向传播pytorch梯度下降算法卷积神经网络（CNN）卷积层池化层自注意力机制（self-attention）循环神经网络（RNN）长短期记忆递归神经网络（LSTM）Transformer自监督学习（Self-SupervisedLearning）BERT预训练（Pre-train）微调（Fine-tune）机器学习基本概念介绍机器学习≈机器自动寻
czyxw·2023-11-21 01:57

机器学习笔记 - 使用 PyTorch 的多任务学习和 HydraNet

一、HydraNet简述特斯拉使用了一个模型可以解决他们正在处理的每一项可能的任务。例如：物体检测、道路曲线估计、深度估计、3D重建、视频分析、物体追踪、ETC等等。以下是在NVIDIAGPU上以3种不同配置运行的2个计算机视觉模型的基准测试。在第一个配置中，我们运行语义分割模型。在第二种配置中，我们堆叠了单目深度估计模型。在第三种配置中，我们正在构建一个能够同时完成这两项任务的HydraNet。
坐望云起·2023-11-20 22:24

吴恩达机器学习笔记

一、机器学习1.1机器学习定义1.2监督学习supervisedlearning1.2.1监督学习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如预测房价（回归问题）、肿瘤良性恶性分类（分类问题）假如说你想预测房价。前阵子，一个学生从波特兰俄勒冈州的研究所收集了一些房价的数据。你把这些数据画出来，看起来是这个样子:横轴表示房子的面积，单位是平方英尺，纵轴表示房价，单位是千
六本木砍王刀哥·2023-11-20 18:30

【Machine Learning】机器学习笔记-(上半部分)

初识机器学习文章目录初识机器学习一，机器学习-1.机器学习定义-2.机器学习算法分类-1.2.1监督学习定义-1.2.2回归问题-1.2.3分类问题-1.3无监督学习-1.3.1无监督学习定义-1.3.2聚类算法二，单变量线性回归-2.1单变量线性回归函数-2.2平方误差函数(代价函数)-2.2.1只考虑θ1θ_1θ1的代价函数-2.2.2θ0θ_0θ0，θ1θ_1θ1都考虑的代价函数-2.3梯度
君问归期魏有期·2023-11-20 18:23

【学习笔记】吴恩达机器学习 | 第五章 | 逻辑回归

非常感谢AndrewNg吴恩达教授的无私奉献！！！文章目录简要声明专有名词ClassificationClassificationHypothesisRepresentationLog
Benjamin Chen.·2023-11-20 18:22
上一页 3 4 5 6 7 8 9 10 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他