神经网络与深度学习—吴恩达第11页

机器学习 - 吴恩达版(Stanford)笔记 003

Topic:definitionofsupervisedlearning如果你有一个朋友想卖掉自己的房子，他的房子大小是想知道自己的房子可以卖多少钱。学习算法可以帮助他做什么呢？学习算法可以根据数据画一条直线或者曲线来拟合数据.如果用一条直线来拟合数据点，我们大致可以得出，房子可以卖150,000刀但也许我们有更好的拟合方式，比如使用多项式或者高次函数。例如使用二次函数(quadraticfunc

Wallace_QIAN·2023-08-30 18:07

卷积神经网络之一维卷积、二维卷积、三维卷积

如果你对卷积维度的计算不清楚，可以参考我之前的博客吴恩达深度学习笔记（deeplearning.ai）之卷积神经网络（CNN）（上）。

bebr·2023-08-30 05:32

AI培训班有存在的必要吗？

本文由【AI前线】原创，原文链接：t.cn/RY3RQEVAI前线导语：“被称为“业界良心”吴恩达在Coursera的免费机器学习课程，学员数目有超过两百万；而最近国内某人工智能教育平台创始人也在微博宣称其培训平台已经吸引到将近十万的付费学员

AI前线·2023-08-30 00:58

Machine Learning Resources

浩瀚之宇·2023-08-29 06:01

吴恩达机器学习——正则化

7.1过拟合的问题过拟合问题简单来说就是泛化能力差：所建的机器学习模型在训练样本中准确率很高，在验证数据集中准确率低——也就是说模型难以推广到新的数据。下图是一个回归问题的例子：第一个模型是一个线性模型，欠拟合，不能很好地适应我们的训练集；第三个模型是一个四次方的模型，过于强调拟合原始数据，而丢失了算法的本质：预测新数据。我们可以看出，若给出一个新的值使之预测，它将表现的很差，是过拟合，虽然能非常

SCY_e62e·2023-08-29 00:26

吴恩达深度学习--logitic回归损失函数

2.3logitic回归损失函数学习损失函数和误差函数可以用来检测算法运行情况，如在算法输出时定义损失，yhat和实标y有可能是一个或半个平方误差。平方误差函数你可以如此操作，但一般在逻辑回归里不进行此操作，因为当研究参数时，我们讨论的优化问题将会变成非凸问题，所以优化问题会产生多个局部最优解，梯度下降算法也就无法找到全局最优解。函数L被称为损失函数，需要进行设定，才能在实标为y时对输出yhat进

862180935588·2023-08-28 15:54

吴恩达 GPT Prompting 课程

PromptingGuidelines目录GuidelinesforPromptingPromptingPrinciplesPrinciple1:Writeclearandspecificinstructions1.1:Usedelimiterstoclearlyindicatedistinctpartsoftheinput1.2:Askforastructuredoutput1.3:Askthe

学习溢出·2023-08-23 08:29

【吴恩达机器学习】第六周—机器学习系统设计

31.jpg1.应用机器学习的建议1.1下一步做什么仍然使用预测房价的学习例子，假如你已经完成了正则化线性回归，也就是最小化代价函数J的值，假如，在你得到你的学习参数以后，如果你要将你的假设函数放到一组新的房屋样本上进行测试，假如说你发现在预测房价时产生了巨大的误差，现在你的问题是要想改进这个算法，接下来应该怎么办？获得更多的训练实例——通常是有效的，但代价较大，下面的方法也可能有效，可考虑先采用

Sunflow007·2023-08-21 22:16

神经网络与深度学习——深度学习概论——用神经网络进行监督学习

机器学习根据获取y的不确定性分为很多种，如下图，但其中创造最大经济效益的是监督学习监督学习中，我们已知数据集和对应的输出y，根据这两个信息来找出它们之间的关系。监督学习可以分为回归问题和分类问题，在回归问题中，我们将输入变量映射到某个连续函数。而在分类问题中，我们预测离散输出的结果。上图中不同的监督学习例子要用到不同的神经网络，例如卷积神经网络（CNN）经常用于图像应用，循环神经网络（RNN）用于

kazuhura·2023-08-21 13:25

吴恩达机器学习2011版本学习笔记

这是看完视频后，按自己的理解做了笔记。监督学习学的比较认真，33之后的无监督学习心态已经浮躁了，以后要再学一遍2022最新版视频课。1，有正确答案是有监督学习，反之是无监督学习2，模型就是把训练数据拟合为一个公式(严格来说是个函数，关系)。入门的拟合的方法是最小二乘法，先假设一个公式，代入不同系数，然后再把训练数据的x依次代入求y，然后看y与训练数据的正确答案的方差。这样假设的系数作z，与结果方差

zhaot1993·2023-08-19 21:05

[Machine Learning] decision tree 决策树

正好原本的学习进度刚刚完成这部分，所以集成一个笔记了,本文中所有的截图绝大多数来自吴恩达老师的公开课

ViceMusic5·2023-08-19 11:34

5-2 Coursera吴恩达《序列模型》第二周课程笔记-自然语言处理和词嵌入

上一篇文章5-1Coursera吴恩达《序列模型》第一周课程笔记-循环序列网络(RNN)我们主要介绍了循环神经网络（RNN）的基本概念、模型和具体应用。

双木的木·2023-08-17 19:42

机器学习吴恩达——第二周

7逻辑回归7.1分类问题在分类问题中，我们要预测的变量y是离散的值，比如说0，1。这时我们可以采用逻辑回归来处理问题。在分类问题中，我们尝试预测的是结果是否属于某一个类(例如正确或错误)。分类问题的例子有:判断一封电子邮件是否是垃圾邮件;判断一次金融交易是否是欺诈;之前我们也谈到了肿瘤分类问题的例子，区别一个肿瘤是恶性的还是良性的。首先是二元的分类问题，那么结果y只有两种情况，0和1.二元分类问题

荔枝葡萄干·2023-08-16 15:54

2022-01-15 吴恩达来信：建立AI职业生涯的小tips

来源：吴恩达来信：建立AI职业生涯的小tips(qq.com)亲爱的朋友们,人工智能持续创造着无数令人兴奋的工作机会，我知道你们中的许多人都希望在这个领域发展自己的职业生涯。

我想要日更徽章·2023-08-15 22:11

反向传播算法

吴恩达神经网络课程里，反向传播算法最难理解的是反向传播阶段怎样调整各层次的权值，费用函数的双层求和符号令人无限头大，于是费用函数的偏导数就更难证明。

若_6dcd·2023-08-14 07:00

机器学习（一）模型三要素

.风险函数3.模型迭代要求4.策略阶段要点（三）优化算法：1.普通参数2.超参数二、深度学习改变了什么1、大规模数据性能提升可观2、隐式特征学习--AE本文是对李航博士《机器学习方法》，邱锡鹏博士的《神经网络与深度学习

元吉光·2023-08-14 05:43

机器学习 - 吴恩达版(Stanford)笔记 005

Topic:ModelRepresentation假设你的朋友有一个1250squarefeet的房子，如何借助这个数据估价？之前提到，这是一个监督学习算法。在此我们定义训练集(TrainingSet)的概念。对于监督学习，我们有特征集合x，和目标集合y一一对应，组成训练集。而对于训练集里的单条数据，他的特征组，和结果，写作,整个监督学习的过程即如上图：输入trainingset，使learnin

Wallace_QIAN·2023-08-13 23:19

AI数学基础10——多个样本神经网络输入公式

本文是吴恩达深度学习课程第一门课3.4节的总结单个样本输出公式如下所示：当扩展到m的样本时，可以用for循环来实现多个样本的神经网络输出值计算，在《AI数学基础6——向量化（Vectorization）

LabVIEW_Python·2023-08-13 13:03

UFLDL新版教程与编程练习（六）：Multi-Layer Neural Network（多层神经网络）

UFLDL是吴恩达团队编写的较早的一门深度学习入门，里面理论加上练习的节奏非常好，每次都想快点看完理论去动手编写练习，因为他帮你打好了整个代码框架，也有详细的注释，所以我们只要实现一点核心的代码编写工作就行了

赖子啊·2023-08-12 12:18

吴恩达机器学习笔记（二）

模型描述：根据房间的大小（平方数）预测其能售卖出的价格1、监督学习（每个例子都有一个正确的输出值）1.1、回归问题，可以预测一个准确的数值输出1.2、分类问题，可以预测离散值输出（只有0和1的离散值输出）2、训练集（trainingset）：在监督学习中提供“参考”的数据集合三个要素：训练集的数量，输入变量，输出变量训练样本（trainingexample）：（x^(i),y^(i)）第i个训练样

五大人·2023-08-12 02:26

深度学习阶段性回顾

本文针对过去两周的深度学习理论做阶段性回顾，学习资料来自吴恩达老师的2021版deeplearning.ai课程，内容涵盖深度神经网络改善一直到ML策略的章节。

猫咪的白手套·2023-08-11 06:20

平安夜前

在网易云课堂上听吴恩达的深度学习的课程，然后在推特上关注了他，他说了一

给梦想一点时间·2023-08-10 21:18

神经网络基础-卷积神经网络

本文参考：本文参考吴恩达老师的Coursera深度学习课程，很棒的课，推荐本文默认你已经大致了解深度学习的简单概念，如果需要更简单的例子，可以参考吴恩达老师的入门课程：http://study.163.

Dominic221·2023-08-10 06:09

吴恩达作业（5）CNN神经网络(tensorflow实现)--手势识别

题目：输入手势图片，判断手势数字。如：输出数字555数据集：test_signs.h5：训练集，维度为：（1080，64，64，3），即1080张64*64的彩色图片train_signs.h5：测试集，维度为：（120，64，64，3），即120张64*64的彩色图片参考博客目的：搭建卷积层:CONV2D−>RELU−>MAXPOOL−>CONV2D−>RELU−>MAXPOOL−>FLATTE

快乐活在当下·2023-08-10 06:35

拜读苏神-1-深度学习+文本情感分类

一、闲聊神经网络与深度学习参考链接：https://www.kexue.fm/archives/3331分类模型本质上是在做拟合——模型其实就是一个函数（或者一簇函数），里边有一些待定的参数，根据已有的数据

甄小胖·2023-08-10 04:22

吴恩达机器学习笔记（自用）

吴恩达机器学习机器学习的定义什么是机器学习？

cosθ·2023-08-09 06:02

机器学习啃书计划

机器学习啃书计划reference：西瓜书和吴恩达视频https://github.com/Vay-keen/Machine-learning-learning-notes/blob/master/周志华

IKKA·2023-08-08 18:40

机器学习-吴恩达9(1)-异常检测

“黑中有白，白中有黑，没有绝对的白，也没有绝对的黑，黑可衬白，白可映黑。万物皆可转换”。本文中对异常检测算法做了小结，主要包含：问题产生高斯分布算法使用场景八种无监督异常检测技术异常检测和监督学习对比特征选择异常检测NoveltyDetection异常是相对于其他观测数据而言有明显偏离的，以至于怀疑它与正常点不属于同一个数据分布。异常检测是一种用于识别不符合预期行为的异常模式的技术，又称之为异常值

皮皮大·2023-08-07 20:17

第十四章无监督学习

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·2023-08-07 01:24

吴恩达教授深度学习--神经风格转换算法

本文所使用的代码和测试图片已上传至百度网盘https://pan.baidu.com/s/1R-z7L95iQIDBpAF32sgWFg，提取码：b4cg。什么是神经风格迁移？假设你有一张内容图片C（Content）和一张具有独特风格S（Style）的图片，神经风格迁移可以让这两张图片结合，让原始图片具有图片S的风格。所以神经风格迁移可以解决的问题是：生成一张同时具有图片C的内容和图片S的风格的新

Y.IU.·2023-08-06 16:58

【深度学习笔记】深度学习框架

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·2023-08-06 14:03

个人规划（研0暑假版）

下面个人计划暑假学习内容：7~8月机器学习(吴恩达+《西瓜书》+实践补充)8~9月深度学习(吴恩达+《python深度学习》+动手学习深度学习)之后每天都会通过CSDN的方式来记录每天学习情况，每周会更新一个视频至

WananRd·2023-08-06 08:07

吴恩达深度学习笔记（11）-烧脑神经网络前向传播和后向传播计算

计算图（ComputationGraph）可以说，一个神经网络的计算，都是按照前向或反向传播过程组织的。首先我们计算出一个新的网络的输出（前向过程），紧接着进行一个反向传输操作。后者我们用来计算出对应的梯度或导数。计算图解释了为什么我们用这种方式组织这些计算过程。在这篇笔记中中，我们将举一个例子说明计算图是什么。让我们举一个比逻辑回归更加简单的，或者说不那么正式的神经网络的例子。我们尝试计算函数J

极客Array·2023-08-06 07:54

机器学习基础之《特征工程（2）—特征工程介绍、特征抽取》

一、什么是特征工程机器学习领域的大神AndrewNg(吴恩达)老师说“Comingupwithfeaturesisdifficult,time-consuming,requiresexpertknowledge

csj50·2023-08-05 11:50

神经网络概述（四）

b站学习链接：传送门学习视频第8章学习目录索引：吴恩达2014课程简介知识补充神经网络算是传统的机器学习还是深度学习神经网络既可以被视为传统的机器学习方法，也可以归类为深度学习方法，具体取决于网络的结构和使用的算法

水枂·2023-08-05 11:47

各类损失函数结合反向传播不调包实现前馈神经网络

其中部分知识参考了神经网络与深度学习_邱锡鹏。经过整理可得：

嘛里嘛里哄·2023-08-04 22:43

第4周编程作业-Programming Exercise 3: Multi-class Classifification and Neural Networks多元分类和神经网络-机器学习-吴恩达

ex3-Multi-classClassifificationandNeuralNetworks结果Exercise3|Part1:One-vs-all多元分类Part1:LoadingandVisualizingDataex3.m中Part1%%===========Part1:LoadingandVisualizingData=============%Westarttheexerciseby

烟若清尘·2023-08-04 22:32

零基础强化学习入门分享

内容：卷积概念，实现原理，激活函数，全连接；bp,cnn，bnn稍微了解一下（2）深度学习途径：某站的吴恩达深度学习全

YWXonline·2023-08-04 14:22

大规模机器学习（十）

b站学习链接：传送门学习视频第171819章学习目录索引：吴恩达2014课程简介知识补充课堂笔记十七、大规模机器学习(LargeScaleMachineLearning)17.1大型数据集的学习参考视频

水枂·2023-08-04 04:39

python h5py库安装（记录使用wheel安装的方法）

pythonh5py安装前言1.安装wheel库二、下载对应的h5py的版本，网址如下官方库各种python的wheel文件查看自己的python适合什么版本下载好后用命令行来安装这个库了总结前言在学习吴恩达网课时

beixidong·2023-08-03 22:19

吴恩达深度学习-3.3目标检测

目标检测本章讲的是，关于滑动窗口法的目标检测实现。我们以之前的车辆检测举例，比如说我们想要检测左边这种图当中检测到是否有车辆存在的情况，那么我们需要建立一个数据集，这个数据集是那种车辆占满了图片的情况（为了检测效果好），通过训练之后，我们可以得到一个能分辨车辆是否存在的分类器。这样的话，我们就可以输入一张图片，询问其中是否有满屏的车辆。那么由于，我们只能检测是否有满屏的车辆，因此我们需要使用一个小

prophet__·2023-08-03 10:41

吴恩达机器学习课程笔记-(1)监督学习、无监督学习(Supervised Learning and Unsupervised Learning)

1、监督学习、无监督学习(SupervisedLearningandUnsupervisedLearning)1.1机器学习是什么？一个程序被认为能从经验E中学习，解决任务T，达到性能度量值P，当且仅当，有了经验E后，经过P评判，程序在处理T时的性能有所提升。—TomMitchallAcomputerprogramissaidtolearnfromexperienceEwithrespecttos

Jorunk·2023-08-02 15:35

逻辑回归和正则化（三）

b站学习链接：传送门学习前视频第67章学习目录索引：吴恩达2014课程简介知识补充为什么逻辑回归的输出值在0和1之间?逻辑回归的输出值范围是介于0和1之间。

水枂·2023-08-02 11:11

机器学习概述（一）

b站学习链接：传送门学习前视频三章学习目录索引：吴恩达2014课程简介机器学习概述知识补充传统的机器学习如何对一个函数求偏导.py和.ipynb的区别环境安装安装包下载开始安装在开始菜单中查看Anaconda

水枂·2023-08-02 11:10

多变量线性回归（二）

b站学习链接：传送门，学习视频第4、5章学习目录索引：吴恩达2014课程简介知识补充思考一个问题：什么时候适合用线性回归？什么时候适合用多项式回归？

水枂·2023-08-02 09:12

支持向量机（七）

b站学习链接：传送门学习视频第12章学习目录索引：吴恩达2014课程简介知识补充支持向量机支持向量机（SupportVectorMachine，SVM）是一种常用的监督学习算法，用于进行分类和回归分析。

水枂·2023-08-02 06:57

聚类和降维（八）

b站学习链接：传送门学习视频第1314章学习目录索引：吴恩达2014课程简介知识补充闵可夫斯基距离闵可夫斯基距离（Minkowskidistance）是一种用于衡量两个点之间的距离的度量方式，它是欧几里德距离和曼哈顿距离的一般化形式

水枂·2023-08-02 06:27

应用机器学习的建议（六）

b站学习链接：传送门学习视频第1011章学习目录索引：吴恩达2014课程简介知识补充线性和非线性线性和非线性是描述数学函数、模型或关系的两个基本概念。线性：线性是指一个函数、模型或关系满足线性性质。

水枂·2023-08-02 06:26

吴恩达2014课程简介

吴恩达的机器学习课程有两个版本，本课程学习的是《斯坦福大学2014机器教程》文章目录索引作业参考路径https://gitee.com/angerial/ai-samples相关文章吴恩达今年的机器学习课程与老版的有什么区别