Andrew

Andrew Ng Coursera week2 Logistic Regression with a Neural Network mindset 编程作业代码祥注与数据集

这是coursea吴恩达老师的NeuralNetworksandDeepLearningweek2的编程作业和离线数据importnumpyasnpimportmatplotlib.pyplotaspltimporth5pyimportscipyfromPILimportImagefromscipyimportndimagefromlr_utilsimportload_dataset#读入数据库，
西江月独酌·2020-08-11 23:12

Coursera | Andrew Ng (05-week2)—自然语言处理与词嵌入

【第5部分-序列模型-第2周】在吴恩达深度学习视频基础上，笔记总结，添加个人理解，如有理解描述错误，请多加批评指教。后期参考大树先生Koala_Tree的笔记总结进行修改，原文地址可看吴恩达Coursera深度学习课程DeepLearning.ai提炼笔记（5-2）–NLP和词嵌入-ZJCoursera课程|deeplearning.ai|网易云课堂CSDN：http://blog.csdn.ne
ZJ_Improve·2020-08-11 20:56

理解高偏差和高方差，欠拟合 过拟合

Andrew的讲解很清晰，我也很容易记住了过拟合-高方差，欠拟合-高偏差的结论。最近一次和某AI大神的交谈中，他说我把高方差，高偏差的结论记反了，我还被“教育”了一番。
shishi_m037192554·2020-08-11 05:25

Andrew Ng机器学习笔记1

Introduction1.WhatisMachineLearning：1).Fieldofstudythatgivescomputerstheabilitytolearnwithoutbeingexplicitlyprogrammed.2).AcomputerprogramissaidtolearnfromexperienceEwithrespecttosomeclassoftasksTandp
huangyu20072010·2020-08-11 05:42

PHP使用imap读取邮件内容，2018可用

_contentType=array('ez'=>'application/andrew-inset','hqx'=>'application/mac-binhex40','cpt'=>'application
丁TT·2020-08-10 10:43

Python自学笔记5——腾讯视频评论爬取

#-*-coding:utf-8-*-"""CreatedonWedDec2716:31:282017@author:Andrew"""#######爬取腾讯视频中《九州天空城》视频评论importurllib.requestimporthttp.cookiejarimportre
Andrew_jdw·2020-08-10 06:06

Stanford Andrew Ng ——Machine Learning WEEK 1

1IntroductionWhatisMachineLearning?TwodefinitionsofMachineLearningareoffered.ArthurSamueldescribeditas:"thefieldofstudythatgivescomputerstheabilitytolearnwithoutbeingexplicitlyprogrammed."Thisisanolde
ruomengxiang·2020-08-10 00:20

算法工程师之路——Deeplearning.ai神经网络与深度学习篇Week4

当然啦，对于Andrew大佬视频课的学习，也一直被我放在较为重要的地位，尽量挤
Mr_Rum·2020-08-09 23:18

Andrew and Taxi(二分+拓扑排序)

题目链接：https://codeforces.com/contest/1100/problem/E题意是n个点，m条有向边，每条边都有一个权值，将某些边变向，使得图变成一个无环图，要使所有变向的边中权值最大的最小，输出这个最大的最小值和变向的边。大致思路是二分答案，然后用拓扑排序去判断是否存在环。具体的操作是我们把每次枚举的mid作为建边的依据，把大于mid的边建起来，因为答案是变向的边的最大值
Ch_zaqdt·2020-08-09 18:43

【DL by Ng】Deeplearning.ai 深度学习工程师课程 -- By Andrew Ng 吴恩达

三个版本deeplearning.ai付费版本,带练习.Coursera版本网易云课堂翻译版本,练习题需要自己找.但是网速快,可以下载观看.这里笔记用的是网易云课堂的版本.I.神经网络和深度学习Week01.深度学习概论IntroductionLecture001：欢迎来到深度学习工程师微专业喜欢Ng普通话的声音我希望可以培养成千上万的人使用人工智能,去解决真实世界的实际问题,创造一个人工智能驱动
北境の守卫·2020-08-08 14:33

Coursera | Andrew Ng (01-week2)—神经网络基础

在吴恩达深度学习视频以及大树先生的博客提炼笔记基础上添加个人理解，原大树先生博客可查看该链接地址大树先生的博客-ZJCoursera课程|deeplearning.ai|网易云课堂CSDN：http://blog.csdn.net/junjun_zhao/article/details/79226016第二周神经网络基础(BasicsofNeuralNetworkProgramming)2.1二分
ZJ_Improve·2020-08-08 12:15

Machine Learning第九讲[推荐系统] --（三）低秩矩阵分解

内容来自Andrew老师课程MachineLearning的第九章内容的LowRankMatrixFactorization部分。
nana-li·2020-08-04 00:46

Andrew Ng-Convolutional Neural Networks 第三周作业 Car detection - v3

这周的yolo.h5找死人……千辛万苦才找到。官网做最方便了，什么环境都不用配下面放作业代码：importargparseimportosimportmatplotlib.pyplotaspltfrommatplotlib.pyplotimportimshowimportscipy.ioimportscipy.miscimportnumpyasnpimportpandasaspdimportPIL
luolia233·2020-08-03 19:51

Andrew机器学习笔记2：逻辑回归 logistic regression

根据斯坦福大学AndrewNG的机器学习课程整理。1.分类classification预测值y为离散值:y∈0，1{0:negativeclass负类1:positiveclass正类2.Sigmoidfunction(S函数)由于分类问题的输出值为0or1，我们期望假设函数h的输出也能在（0，1）这个范围内，最好能够满足：{hθ(x)≥0.5hθ(x)<0.5⇒y=1⇒y=0而S函数能够很好的满
冰糖咖啡910·2020-08-03 15:14

Andrew机器学习笔记1：线性回归 linear regression

根据斯坦福大学AndrewNG的机器学习课程整理。1.单变量线性回归（预测房价–尺寸）给定房子的大小尺寸和其售价，建立线性模型。1.1数据处理将X、θ处理如下格式：X=[1x1]θ=[θ0θ1]将X、θ写成矩阵形式，有利于matlab编程实现（matlab在内部对矩阵运算进行优化，比for循环运行时间短）。1.2假设函数（hypothesis）hθ=θ0+θ1x=θTX1.3代价函数（costfu
冰糖咖啡910·2020-08-03 15:43

Andrew NG 机器学习 笔记-week6-应用机器学习的建议 ( Advice for Applying Machine Learning)

一、决定下一步做什么（DecidingWhattoTryNext）假设我们需要用一个线性回归模型来预测房价，当我们用训练好了的模型来预测未知数据的时候，发现有较大的误差，我们下一步可以做什么？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，可考虑先采用下面的几种方法。尝试减少特征的数量。尝试获得更多的特征。尝试增加多项式特征。尝试减少正则化程度λ尝试增加正则化程度λ我们不应该随
~无关风月~·2020-08-03 09:12

Coursera机器学习(Andrew Ng)笔记：支持向量机

支持向量机SupportVectorMachine机器学习初学者，原本是写来自己看的，写的比较随意。难免有错误，还请大家批评指正！对其中不清楚的地方可以留言，我会及时更正修改支持向量机是广泛应用在工业界和学术界的一个比较流行的算法，与逻辑回归和神经网络相比，SVM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。优化目标OptimizationObjective在逻辑回归中，我们有hθ(
wisdom610·2020-08-03 08:43

【原】Coursera—Andrew Ng机器学习—Week 7 习题—支持向量机SVM

【1】【2】Answer:B。即x1=3这条垂直线。【3】Answer：B因为要尽可能小。对B，右侧红叉，有1/2*2=1≥1，左侧圆圈，有1/2*-2=-1≤-1。A太小不满足不等式【4】参考课件：测验Answer:B。Answer:BAnswer：CDAnswer:ABG欠拟合。A正确。增加feature、增加多项式featureB正确。神经网络增加hiddenunitsC错误。逻辑回归成本函
weixin_38166557·2020-08-03 07:35

学习笔记：二维凸包 Andrew算法

前置技能向量叉积例题洛谷P2742【模板】二维凸包/[USACO5.1]圈奶牛FencingtheCows参考代码constintMAXN=10005;constdoubleEPS=1E-8;intn,top;doubleans;inlineintdcmp(doublex){if(fabs(x)0?1:-1;}//判断一个浮点数是等于0，大于0或小于0。structVector{doublex,y
Initialize02·2020-08-03 07:57

Coursera 机器学习（by Andrew Ng）课程学习笔记 Week 7——支持向量机

此系列为Coursera网站机器学习课程个人学习笔记（仅供参考）课程网址：https://www.coursera.org/learn/machine-learning参考资料：http://blog.csdn.net/scut_arucee/article/details/50419229一、支持向量机的引入1.1从逻辑回归引入SVM支持向量机（SupportVectorMachine，SVM）
StarCoo·2020-08-03 04:21

Andrew Ng chapter13 SVM

支持向量机（从逻辑回归出发）与逻辑回归相比，输出的就不再是概率值，而是0或者1大间隔分类器，但是仅有C足够大的时候，才能达到严格意义上的大间隔。大间隔分类器的数学原理两个向量的内积实际上，Thera和decisionboundary是相互垂直的，目标是使得P足够大，才能最小化costfunction核函数对于复杂的decisionboundary改变feature使得算法更加强大。核函数就是相似度
Peanuts_yang·2020-08-03 03:10

ex5 Coursera Machine-Learning exercise5 课后题答案 jupyter/python 版本 Andrew ng 吴恩达

吴恩达Machine-Learning课后练习jupyter版本答案exercise5（系列持续更新）答案链接：exercise5https://github.com/NealChalmers/Stanford-CS229-ML-AndrewNg/tree/master/Exercise5谢谢你的starIntroduction¶Inthisexercise,youwillimplementreg
NealChalmers·2020-08-03 03:33

ex4 Coursera Machine-Learning exercise4 课后题答案 jupyter/python 版本 Andrew ng 吴恩达

吴恩达Machine-Learning课后练习jupyter版本答案exercise4（系列持续更新）答案链接：exercise4https://github.com/NealChalmers/Stanford-CS229-ML-AndrewNg/tree/master/Exercise4谢谢你的starIntroductionInthisexercise,youwillimplementtheb
NealChalmers·2020-08-03 03:02

Coursera Machine-Learning exercise1 官方课后习题 jupyter/python 版本 Andrew ng 吴恩达

MachineLearning课程的官方版本课后习题，如需答案可参考本博客其余文章Pythonassignmentsforthemachinelearningclassbyandrewngoncourserawithcompletesubmissionforgradingcapabilityandre-writteninstructions.https://github.com/dibgerge/
NealChalmers·2020-08-03 03:02

Andrew Ng机器学习笔记+Weka相关算法实现（五）SVM最优间隔和核方法

这一章主要讲解Ng的机器学习中SVM的后续内容，主要包括最优间隔分类器求解，核方法。最优间隔分类器的求解利用以一篇讲过的的原始对偶问题求解的思路，我们可以将类似思路运用到SVM的求解上来。具体的分析如下：对于SVM求解的问题：我们把约束条件稍微变形一下：只有函数间隔是1的点才能使上式取等号，也就是有意义的，如下图：叉叉和圈圈分别代表正反例，可以看出，只有落在边缘的点的α≠0，这些点才是支持向量。其
yang1young·2020-08-03 02:24

Andrew Ng机器学习笔记+Weka相关算法实现（四）SVM和原始对偶问题

这篇博客主要讲解了Ng的课第六、七个视频，涉及到的内容包括，函数间隔和几何间隔、最优间隔分类器（OptimalMarginClassifier）、原始/对偶问题（Primal/DualProblem）、SVM的对偶问题几个部分。函数间隔和几何间隔函数间隔（functionalmargin）与几何间隔（geometricmargin）是理解SVM的基础和前提。假设y∈{-1,1}，而不再是0,1，我
yang1young·2020-08-03 02:24

Andrew Ng机器学习笔记+Weka相关算法实现（三）神经网络和参数含义

神经网络是一种非常重要的机器学习模型，人们从生物学中大脑神经元连接方式得到启发，提出了神经网络的概念，它从信息处理角度对人脑神经元网络进行抽象，建立某种简单模型，按不同的连接方式组成不同的网络。最近几年深度学习大热,尤其是阿尔法围棋（AlphaGo）战胜李世乭后，神经网络和深度学习被推到了风口浪尖的。AlphaGo主要工作原理是“深度学习”。“深度学习”是指多层的人工神经网络和训练它的方法。一层神
yang1young·2020-08-03 02:24

【计算几何/凸包】安德鲁算法（Andrew's Algorithm）详解

安德鲁算法安德鲁算法（Andrew’sAlgorithm）是计算几何当中一种求凸包的算法。什么是凸包在一个实数向量空间V中，对于给定集合X，所有包含X的凸集的交集S被称为X的凸包。
两米长弦·2020-08-03 02:43

Poj 1861 Network (模版kruskal)

题目描述：Andrew是某个公司的系统管理员，他计划为他的公司搭建一个新的网络。在新的网络中，有N个集线器，集线器之间可以通过网线连接。
paradiserparadiser·2020-08-03 02:38

基于水平序的Andrew凸包算法 最详细的图解（多图预警）

给出凸包的定义：简要说一下思路：首先将所有点按照x从小到大（x同则y从小到大）排序把p1,p2放入凸包，从p3开始，当新点在凸包‘前进’方向的左边时继续，否则依次删除最近加入凸包的点，直到新点在左边输入不能有重复点，不希望凸包边上有点可疑将usingnamespacestd;constdoubleeps=1e-10;structPoint{doublex,y;intid;Point(doublex
傻子是小傲娇·2020-08-03 01:27

SVM(Andrew ng ML)

这是我的第一篇使用markdown的博客，我一定要写这么一句话今天看完了andrewng的SVM，觉得很有意思，其实主要的内容可以看我的参考资料1，不过有两点还是思考了一下：1.如何通过C来控制margin对于C来说，如果是为了控制margin，那么其实通过C可以控制其过拟合以及acc的效果，那么是通过什么来实现的呢？实际上是通过loss来实现的，如果C很大，那么错一个对象，就会loss很大，所以
hello_pig1995·2020-08-02 22:59

Andrew Ng - SVM【2】一步步迈向核函数——拉格朗日、原问题与对偶问题

AndrewNg-SVM【2】一步步迈向核函数1.拉格朗日对偶规划暂且撇开SVM和最大间隔分类器不管（当然不是真的不管），我们先来讨论一个在一定约束条件下的优化问题：minωf(ω)s.t.hi(ω)=0,i=1,...,l则该问题对应的拉格朗日函数为：L(ω,β)=f(ω)+∑li=1βihi(ω)βi我们叫做拉格朗日乘数，接着我们令L偏导为零：∂L∂ωi=0;∂L∂βi=0,便可以求出ω和β。
Victor-Gun·2020-08-02 22:47

Andrew Ng - SVM【1】最优间隔分类器

AndrewNg-SVM【1】最优间隔分类器Ng说，SVM是最好的监督学习算法（因为你用不用，它就那里，现成的）。为了了解SVM，我们首先应该絮叨絮叨怎样用一个较大的间隔将数据划开成类；接着好戏上演，我会讲到最优间隔分类器；然后我会讲一些核函数（Kernel）的知识，这个尤其重要，因为核函数是打通低维和高维通道的关键手段；最后，我将会讲解用SMO算法怎么实现SVM，顺利收关。从间隔（margins
Victor-Gun·2020-08-02 22:46

斯坦福大学机器学习课程学习总结

第一讲主要是涉及一些基本概念，很好理解，但是Andrew介绍的一些有关机器学习的概念还是很值得我们去思考的。以前也接触和用过很多机器学习的算法，像支
沈波·2020-08-02 22:24

凸包生成算法

凸包生成算法（Andrew算法）一、前言二、算法原理三、算法实现四、总结一、前言在碰撞检测算法中，最为重要的理论基础都是凸包，在游戏领域也经常用到碰撞的思想，在三维几何算法中也经常用到，凸包可以视为最小最紧凑的包围体
LittleLittleFish_xyg·2020-08-02 21:36

监督学习之支持向量机——Andrew Ng机器学习笔记（五）

内容提要这篇博客的主要内容有：1.简述支持向量机（SVM）的一般记号2.介绍了函数间隔和几何间隔3.最大间隔分类器是什么4.为了得到最大间隔分类器解，而介绍了一些与拉格朗日有关的理论（拉格朗日乘数法，KKT条件，对偶性质）5.求解最大间隔分类器方法推导。其实推导出来的这个方法就是支持向量机。支持向量机(SVM)，通俗来讲，它是一种二类分类模型，其基本模型定义为特征空间上的间隔最大的线性分类器，其学
A_cainiao_A·2020-08-02 21:10

监督学习之再聊支持向量机——Andrew Ng机器学习笔记（六）

内容提要这篇博客的主要讲的是SVM对于非线性分类情况的办法和有噪声时的处理办法，最后介绍了拉格朗日对偶问题的求解算法，主要的标题有：1.核函数（SVM非线性分类的解决办法）2.松弛变量处理outliers方法3.坐标上升算法4.序列最小优化算法（Sequentialminimaloptimization,SMO）核函数（SVM非线性分类的解决办法）我们之前总是假设训练集是线性可分的，但是实际中不总
A_cainiao_A·2020-08-02 21:10

Andrew Ng机器学习笔记+Weka相关算法实现（六）SMO/LibSVM/SVM参数

这一节主要讲解如何求取SVM的参数α，一种比较高效的算法是SMO算法，首先看下要求的问题：X,Y和C都是已知的量，只有W是要求的。要求解这个问题，我们先看下坐标上升法例如要求接一个max_f(x1,x2,…,xn)的问题，其中各个xi是自变量，如果应用坐标上升法求解，其执行步骤就是：1.首先给定一个初始点，如X_0=(x1,x2,…,xn);2.fordim=1:n，固定xi;(其中i是除dim以
yang1young·2020-08-02 20:37

Andrew Ng - SVM【3】最后的面纱-核函数&SMO

最后的面纱-核函数&SMO1.核函数在Ng之前将线性回归的篇幅中，有一个预测房价的问题，输入x是房子的面积，假设我们用三次函数拟合数据，这是一个非线性的问题，用ϕ表示特征映射，会得到：ϕ(x)=⎡⎣⎢xx2x3⎤⎦⎥如果我们使用对ϕ(x)的学习代替对x的学习（为了做到这一点，我们将使用ϕ(x)换掉前边算法中的x），回看一下我们之前的几个公式，凡是x出现的地方都是内积⟨x,z⟩的形式，也就意味着所有
Victor-Gun·2020-08-02 20:18

Andrew Ng-Neural Networks and Deep Learning 第三周作业

这周的作业倒没什么大事情发生，就是中间的一个警告看不太懂……RuntimeWarning:dividebyzeroencounteredinlogRuntimeWarning:overflowencounteredinexps=1/(1+np.exp(-x))实际运行没什么影响，但是就是不知道为什么会警告，以及可能会有啥后果……然后那个plot出结果的图的函数就很感兴趣，能画出来这么漂亮的边界：于
luolia233·2020-08-02 13:35

Python 学习开启AI之旅 (十二)

#题目15：names=['Tom','Billy','Jefferson','Andrew','Wesley',#'Steven','Joe','Alice','Jill','Ana','Wendy'
HeavenBen·2020-08-02 12:44

Andrew Ng机器学习课程笔记--week6

Adviceforapplyingmachinelearning本周主要学习如何提升算法效率，以及如何判断学习算法在什么时候表现的很糟糕和如何debug我们的学习算法。为了让学习算法表现更好，我们还会学习如何解决处理偏态数据（skeweddata）。以下内容部分参考我爱公开课-Adviceforapplyingmachinelearning一、内容概要Evaluatingalearningalgo
marsggbo·2020-08-01 13:41

Andrew Ng Neural-networks-deep-learning 课程笔记一

Week1IntroductiontoDeepLearningTips:在AndrewNg的课程中，通常使用列向量构成的矩阵来表示一系列样本，如X.shape=(n_x,m),n_x为特征数，m为样本数1.NeuralNetworksBasics（1）Binaryclassification二分类问题二分类问题中，结果为离散的两个值，通常为0,1以“识别图片中是否为猫”为例：目标是训练一个能够图片
kelvinmao·2020-08-01 13:13

Andrew Ng机器学习算法入门((五):矩阵和向量

矩阵定义数学上，一个m×n的矩阵是一个由m行n列元素排列成的矩形阵列使用Aij来获取矩阵中第i行j列的数据向量的定义向量就是n行1列的特殊矩阵由于向量仅仅只有1行，那么通过一个变量i来指定获取第i行的数据，很容易理解。矩阵运算矩阵加法矩阵的加法，要求两个矩阵或者是多个矩阵，要求所有的矩阵的列和行都是一样的，例如都是3X2的矩阵，或者是5x8矩阵。矩阵的加法就是将对应位置的数值相加即可。矩阵的乘法矩
dingcan2810·2020-08-01 12:06

Andrew Ng Machine Learning——Work(Two)——Logistic regression——Regularized(Based on Python 3.7)

Python3.7所用数据集链接：正则化逻辑回归所用数据（ex2data2.txt),提取码：c3yy目录RegularizedLogisticregression1.0Package1.1Loaddata1.2Visualizationdata1.3Datapreprocess1.4Featuremapping1.5Sigmoidfunction1.6Regularizedcostunction
AI小小白·2020-08-01 10:57

Andrew Ng Machine learning——Work(One)——Logistic regression——Bipartition(Based on Python 3.7)

Python3.7所用数据链接：二元逻辑回归数据(ex2data2.txt),提取码：c3yy目录BipartitionLogisticregression1.0Package1.1Loaddata1.2Visualizationdata1.3Dataprocessing1.4Costfunction1.5Gradientdescent1.6Trainingmodel1.7PlotDecision
AI小小白·2020-08-01 10:57

Andrew Ng Machine learning——Work(One)——Linear regression——Univerate(Based on Python 3.7)

Python3.7所用数据链接：:https://pan.baidu.com/s/1YGsencu8wrilvrjuSteGZQ提取码：c3yy目录Univeratelinearregression1.0package1.1loaddata1.2visualizationdata1.3datapreprocessing1.4definecostfunction1.5gradientdescend1
AI小小白·2020-08-01 10:57

Coursera | Andrew Ng (02-week3-3.10)—深度学习框架

该系列仅在原课程基础上部分知识点添加个人学习笔记，或相关推导补充等。如有错误，还请批评指教。在学习了AndrewNg课程的基础上，为了更方便的查阅复习，将其整理成文字。因本人一直在学习英语，所以该系列以英文为主，同时也建议读者以英文为主，中文辅助，以便后期进阶时，为学习相关领域的学术论文做铺垫。-ZJCoursera课程|deeplearning.ai|网易云课堂转载请注明作者和出处：ZJ微信公众
ZJ_Improve·2020-08-01 10:14

Coursera | Andrew Ng (01-week-4-4.1)—深层神经网络

该系列仅在原课程基础上部分知识点添加个人学习笔记，或相关推导补充等。如有错误，还请批评指教。在学习了AndrewNg课程的基础上，为了更方便的查阅复习，将其整理成文字。因本人一直在学习英语，所以该系列以英文为主，同时也建议读者以英文为主，中文辅助，以便后期进阶时，为学习相关领域的学术论文做铺垫。-ZJCoursera课程|deeplearning.ai|网易云课堂转载请注明作者和出处：ZJ微信公众
ZJ_Improve·2020-08-01 10:14

Coursera 机器学习（by Andrew Ng）课程学习笔记 Week 6（二）——误差分析与数据集偏斜处理

此系列为Coursera网站机器学习课程个人学习笔记（仅供参考）课程网址：https://www.coursera.org/learn/machine-learning参考资料：http://blog.csdn.net/quiet_girl/article/details/70842146一、垃圾邮件分类1.1输入特征我们从邮件中选出若干特征词，例如：deal、buy、discount、Andre
StarCoo·2020-08-01 09:43
上一页 4 5 6 7 8 9 10 11 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他