Coursera机器学习笔记第11页

机器学习笔记之变分自编码器(一)模型表示

机器学习笔记之变分自编码器——模型表示引言回顾：高斯混合模型变分自编码器——概率图视角介绍总结引言本节将介绍变分自编码器(VariationalAutoEncoder,VAE)。

静静的喝酒·2023-07-16 15:18

机器学习笔记之卡尔曼滤波(一)动态模型基本介绍

机器学习笔记之卡尔曼滤波——动态模型基本介绍引言回顾：动态模型动态模型的相关任务卡尔曼滤波介绍引言本节从动态模型开始，介绍卡尔曼滤波(KalmanFilter)。

静静的喝酒·2023-07-16 15:18

深度学习笔记之Transformer(八)Transformer模型架构基本介绍

机器学习笔记之Transformer——Transformer模型架构基本介绍引言回顾：简单理解：Seq2seq\text{Seq2seq}Seq2seq模型架构与自编码器自注意力机制Transformer

静静的喝酒·2023-07-16 14:15

前端自学记录——视频书籍等资源评测（持续更新中......）

一、视频1.Coursera约翰霍普金斯大学HTML,CSS,andJavascriptforWebDevelopers课程这门课在Coursera上评分挺高的（4.8分），对HTML,CSS和Javascript

Zaralike·2023-07-16 08:40

机器学习笔记 - 探索PaddlePaddle框架的对象检测、分割和关键点检测

一、PaddlePaddle简述PaddlePaddle（PArallelDistributedDeepLEarning）是百度于2016年发布的开源深度学习框架。它为各种机器学习任务提供了统一的平台。但是最近的基准测试显示PaddlePaddle是潜在的领跑者，其基准速度超过了其更知名的竞争对手。PaddlePaddle与PyTorch或Tensorflow的基准比较PaddlePaddle中提

坐望云起·2023-07-16 03:49

机器学习笔记——假设空间与归纳偏好

一，假设空间学习过程是一个在所有假设组成的空间，即假设空间中进行搜索的过程。搜索目标是找到与训练集“匹配”的假设。举个例子：这里要学习的目标是“好瓜”。暂且假设“好瓜”可由色泽，根蒂，敲声这三个因素完全确定。于是，我们学得的将是“好瓜是某种色泽，某种根蒂，某种敲声的瓜”这样的概念。图1.1直观地显示出了这个西瓜问题的假设空间。需要注意的是，现实问题中我们常面临很大的假设空间，但学习过程是基于有限样

章小幽·2023-07-15 06:06

机器学习笔记 - 深度学习在网球运动分析上的应用

一、简述观看网球比赛时，您可以根据中间或角落的发球次数、球的深度、向左或向右的偏好来自动丰富视图，具体取决于球员所处的位置。此类统计数据可以通过Hawk-Eye、IBMSlamtracker等工具提供。Hawk-Eye是一个复杂的系统，由多达10个高速摄像头组成，能够高精度跟踪球、获取其真实位置并显示任何弹跳的重建。IBMSlamtracker，一个提供实时分数和统计数据（每个点15到25个参数）

坐望云起·2023-07-14 12:45

机器学习笔记：随机森林

1集成学习集成学习通过构建多个学习器采用加权的方式来完成学习任务一般来讲，多个学习器同属于一种模型，比如决策树，线性模型，而不会交叉用多种模型为了保证集成学习的有效性，多个弱分类器之间应该满足两个条件准确性：个体学习器要有一定的准确性，这样才能有好的效果多样性：学习器之间要有一些差异，完全相同的几个学习器集成起来后几乎不会有提升2随机森林随机森林是集成学习中Bagging方式的代表采样多组训练集，

UQI-LIUWJ·2023-07-13 22:32

机器学习笔记 - 理解机器学习可解释性的重要性

一、可解释性为什么重要人工智能领域的几乎所有研究都集中在更好的架构、超越基准、新颖的学习技术上，或者在某些情况下只是建立具有十亿、百亿个参数的巨大模型。可解释机器学习的研究相对较少。媒体中人工智能的日益普及和复杂性只会使可解释性的情况恶化。在一些高风险领域，如金融和医疗保健，数据科学家通常最终使用更传统的机器学习模型（线性模型或基于树的模型或者模型等）。这是因为，模型解释其决策的能力对业务非常重要

坐望云起·2023-07-13 20:25

2019-3-12晨间日记

晚上十点半任务清单昨日完成的任务，最重要的三件事：1.写字营拍摄前准备完成2.看英文小说3.往家打电话改进：1.多方打探看影响因素2.英文小说继续看3.看看爸爸的病怎么办习惯养成：跑步学英语周目标·完成进度写作0%Coursera0%

yesifeng·2023-07-13 20:43

机器学习笔记 - 学习图像生成模型在医疗行业用例的思路

一、概述合成图像生成是使用算法或模拟来替换真实世界数据创建新图像的过程。与数据隐私、有限的数据可用性、数据标签、无效的数据治理、高成本以及对大量数据的需求相关的挑战正在推动使用合成数据来满足各行各业对人工智能解决方案的高需求。人们对使用深度学习的医疗诊断系统越来越感兴趣。然而，由于专有和隐私原因，对公众的数据访问非常有限，从而导致公众在这一研究领域的贡献有限。同样，在没有专家注释和准确元数据的情况

坐望云起·2023-06-20 10:46

机器学习笔记 - 基于MobileNetV2的迁移学习训练关键点检测器

一、下载数据集StanfordExtra数据集包含12000张狗的图像以及关键点和分割图图。GitHub-benjiebob/StanfordExtra：12k标记的野外狗实例，带有2D关键点和分割。我们的ECCV2020论文发布的数据集：谁把狗排除在外？3D动物重建，循环中期望最大化。https://github.com/benjiebob/StanfordExtra数据集下载

坐望云起·2023-06-20 06:44

机器学习笔记 - EANet 外部注意论文简读及代码实现

一、论文简述论文作者提出了一种新的轻量级注意力机制，称之为外部注意力。如图所示，计算自注意力需要首先通过计算自查询向量和自关键字向量之间的仿射关系来计算注意力图，然后通过用该注意力图加权自值向量来生成新的特征图。外部关注的作用不同。我们首先通过计算自查询向量和外部可学习密钥存储器之间的亲和力来计算注意力图，然后通过将该注意力图乘以另一个外部可学习值存储器来生成细化的特征图。在实践中，这两个存储器是

坐望云起·2023-06-19 14:01

Coursera—Andrew Ng机器学习—课程笔记 Lecture 5 Octave Tutorial

5.1基本操作参考视频:5-1-BasicOperations(14控制输出格式的长短min).mkv5.1.1简单运算不等于符号的写法是这个波浪线加上等于符号(~=)，而不是等于感叹号加等号(!=)11==1%判断相等21~=2%判断不等31&&0%求逻辑与41||0%求逻辑或5xor(1,0)%求异或简化命令行PS1('>>');分号semicolon不打印结果>>a=3;%semicolon

上半场结束，中场已休息，下半场ing·2023-06-19 14:16

机器学习笔记07---朴素贝叶斯分类器

一、贝叶斯决策论贝叶斯决策论是概率框架下实施决策的基本方法。对分类任务来说，在所有相关概率都已知的理想情形下，贝叶斯决策论考虑如何基于这些概率和误判损失来选择最优的类别标记。贝叶斯公式：其中，P(c)是类"先验"概率；P(x|c)是样本x相对于类标记c的类条件概率，或称为"似然"(likelihood)；P(x)是用于归一化的“证据”因子。对给定样本x，证据因子P(x)与类标记无关，因此估计P(c

一件迷途小书童·2023-06-18 19:50

机器学习笔记 - 基于Scikit-Learn的各种分类器进行分类并比较

一、概述scikit-learn是基于python语言构建机器学习应用程序的最佳库之一。简单易用，并且它有很多示例和教程。除了监督式机器学习（分类和回归）外，它还可用于聚类、降维、特征提取和工程以及数据预处理。该接口在所有这些方法上都是一致的，因此它不仅易于使用，而且也很容易构建一个大型分类器/回归模型集合并使用相同的命令训练它们。我们这里基于scikit-learn构建，训练，评估和验证分类器，

坐望云起·2023-06-18 16:09

机器学习笔记-Task03-极大似然估计&EM算法

文章目录1.简介1.1何为EM算法?1.2似然函数、极大似然估计1.2.1问题描述-调查学生身高分布1.2.2参数估计1.2.3总结1.2.4求极大似然函数估计的一般步骤2.EM算法2.1问题描述2.2问题求解2.3总结2.3.1相关概念2.3.2与K-Means算法对比3.EM算法推导3.1相关基础3.1.1期望3.1.2凸函数3.1.3Jensen不等式3.2公式推导3.3EM算法流程3.4E

修行僧yicen·2023-06-18 09:56

机器学习笔记——11 混合高斯模型(Mixtures of Gaussian)：利用EM算法估计参数

机器学习笔记——11混合高斯模型(MixturesofGaussian)：利用EM算法估计参数本文主要介绍混合高斯模型，它涉及到对个分布来源，因此参数的估计将是一个难题。

_Volcano·2023-06-18 09:51

机器学习笔记 - 基于深度学习的多种目标跟踪检测框架简述

一、目标跟踪对象跟踪是执行一组初始对象检测的任务，为每个初始检测创建唯一的ID，然后在每个对象在视频中的帧中移动时跟踪它们，从而维护ID分配。最先进的方法涉及融合来自RGB和基于事件的相机的数据，以产生更可靠的对象跟踪。仅使用RGB图像作为输入的基于CNN的模型也很有效。最受欢迎的基准测试是OTB。有几个特定于对象跟踪的评估指标，包括HOTA、MOTA、IDF1和Track-mAP。1、什么是OT

坐望云起·2023-06-18 05:06

《AI for everyone》（1）：什么是AI

学习coursera在线课程《AIforeveryone》的笔记一、AI介绍弱人工智能ANI与强人工智能AGI图片发自App强人工智能也称为通用人工智能，它能做人类能力范围内的任何事情；而弱人工智能只能成为某一领域的专家

太空旅客007·2023-06-18 01:35

机器学习笔记 - 多实例学习（MIL）弱监督学习

一、多实例学习概述多实例学习（MIL）是一种弱监督学习形式，其中训练实例被排列在称为袋的集合中，并为整个袋提供标签。这种方式越来越受到人们的关注，因为它自然适合各种问题，并允许利用弱标记数据。因此，它被应用于计算机视觉和文档分类等不同的应用领域。多实例学习（MIL）处理以集合形式排列的训练数据，称为bag。不提供袋子中所含实例的单独标签。这种问题表述引起了研究界的广泛关注，尤其是近年来，解决大型问

坐望云起·2023-06-17 08:39

机器学习笔记 - 一种估算模型训练所需的样本量的方法

一、简述高质量和足够多的数据是开发任何机器学习模型的基础。在缺乏对特定系统建模所需的最佳数据量的事先估计的情况下，数据收集最终要么产生太少而无法进行有效培训，要么产生太多导致资源的浪费。我经常被问到这个场景需要多少图像，通常我都会根据场景的复杂程度给出一个估计的范围，但是需要多少数据这个问题很难直接回答出一个数量出来，因为需要的数据量既取决于问题的复杂性，也取决于所选算法的复杂性。但在许多实际场景

坐望云起·2023-06-16 16:29

【机器学习笔记】——TensorFlow的安装（cuda10.0+cuDNN7.4)

我是win7，显卡GTX1050Ti，选的cuda10.0，cuDNN7.4tensorflow分为CPU版本和GPU版本，CPU版本运行较慢。1安装anaconda3（python3.6）2安装tensorflow2.1CPU版本安装不依赖于其他，直接在cmd中condainstalltensflow2.2GPU版本安装1）是否支持GPU版本在控制面板-设备管理-显示配置器中查看是否有支持GPU

阿脸阿脸·2023-06-16 15:51

深度学习FPGA实现基础知识11

吴恩达也是在线教育平台Coursera的联合创始人（withDaphneKoller）。2014年5月16日，吴恩达加入百度，担任百度公司首席科学家，负责百度

北雨·寒冰~·2023-06-16 11:37

机器学习笔记之K近邻学习算法

机器学习笔记之K近邻学习算法引言回顾：投票法回顾：明可夫斯基距离K\mathcalKK近邻算法算法描述K\mathcalKK值的选择小插曲：懒惰学习与急切学习KD\text{KD}KD树描述及示例K\mathcalKK

静静的喝酒·2023-06-14 15:57

来美感触最深的一句话——"老外写的东西都很简单"

这句话听起来的怪怪的，但的确也是我来美国感触最深的一点：google、youtube、coursera上的各大名校的公开课、各种在线付费课程，这是一个知识和工具"泛滥"的国家——获取知识的学习曲线非常平滑

Einc·2023-06-14 09:30

【机器学习笔记（六）】之集成算法的简介(Bagging, Boosting, Stacking)

本文章由公号【开发小鸽】发布！欢迎关注！！！老规矩–妹妹镇楼：集成算法(Ensemblelearning)一.目的：用多个算法进行集成，让机器学习效果比单个算法的效果更好。二.类别：(1).Bagging:训练多个分类器取平均f(x)=1/M∑m=1Mfm(x)f(x)=1/M\sum_{m=1}^{M}f_{m}(x)f(x)=1/Mm=1∑Mfm(x)(2).Boosting：从弱学习器开始加

开发小鸽·2023-06-13 03:06

试着坚持一个月！会让你脱胎换骨的5款网站，知乎70w精选

★★★：Coursera是一款能够让你免费学习一流大学课程的网站，包括斯坦福大

办公技巧达人·2023-06-12 22:32

我的猫片识别神经网络会识别错那些图片

忙里偷闲，用几天的时间上完了Coursera的DL的第一课。虽然之前ML花了差不多10个月学完了，但已经过去一年，能记得的东西实在不多。

一口快乐水·2023-06-12 19:59

吴恩达机器学习笔记（一）

概念机器学习是研究计算机模仿人类学习的过程，利用新的数据改善自身的性能，是人工智能的核心。机器学习、人工智能、深度学习之间的关系：AI、ML、DL的包含关系人工智能=机器人；机器学习是实现人工智能的一种方法；深度学习是实现机器学习的一种技术。概念包含关系上：人工智能>机器学习>深度学习。视频课简记:1、引言1.1欢迎1、机器学习很常见，如谷歌搜索（搜出的网站排序算法）、邮箱的垃圾站（无监督）。2、

yh_y·2023-06-12 00:10

近期todo

技术《unix环境高级编程》coursera上的大数据课程《深入理解计算机操作系统》的实验高性能mysql杂书《贫穷的本质》

不知名小号·2023-06-11 01:54

机器学习笔记 - 通过视觉注意识别黑色素瘤论文简读

一、概述我们提出了一种基于注意力的黑色素瘤识别方法。与其他网络参数一起学习的注意力模块估计了高亮显示与病变分类相关的感兴趣图像区域的注意力图。与仅输出类标签相比，这些注意力映射提供了更易于解释的输出。此外，我们建议通过正则化具有感兴趣区域（ROI）的注意力图（例如，病变分割或皮肤镜特征）来利用先验信息。只要这种先验信息可用，就可以进一步细化分类性能和注意力图。据我们所知，我们是第一个为黑色素瘤识别

坐望云起·2023-06-10 20:59

Learning how to learn 1

又因为课程是在coursera上的英文课程，所以笔记也是英文写的。由于加入了“不出局”，今天必须提交作业了，实在写不出其他东西了，所以把这篇学习笔记发表出来，希望战友们见谅。

AlexanderGreat·2023-06-10 09:01

2018-12-7晨间日记

习惯养成：围小区跑六圈继续写文章周目标·完成进度Coursera0文章80%儿子英语学习50%学习·信息·阅读未看职业发展方面的书健康·饮

yesifeng·2023-06-10 03:35

【从入门到精通：学习Python的终极指南】

一些受欢迎的在线学习平台，如Codecademy、Coursera和Udemy也提供Python课程

码农爱码代码·2023-06-09 03:42

Openai+Coursera: ChatGPT Prompt Engineering(二)

这是我写的ChatGPTPromptEngineerin的第二篇博客，如何还没看过第一篇的请先看我写的第一篇博客：ChatGPTPromptEngineerin(一)Summarizing(总结/摘要）今天我们的重点关注按特定主题来总结文本。设置参数importopenaiopenai.api_key='YOUR_OPENAI_API_KEY'defget_completion(prompt,mo

-派神-·2023-06-09 01:27

NLP-机器学习-监督学习-回归

一个好的总结：机器学习知识点全面总结_GoAI的博客-CSDN博客_机器学习笔记监督学习和无监督学习很好区分：是否有监督（supervised），就看输入数据是否有标签（label），输入数据有标签，则为有监督学习

zr_xs·2023-06-08 11:04

机器学习笔记＜一＞：PCA降维详解

文章目录前言直观理解数学推导代码实现PCA的局限性如何选定kkk值？为什么通过对特征值的选择可以减少噪声？前言本篇文章主要从对PCA的降维的直观理解、数学推导等方面对PCA降维进行讨论。直观理解主成分分析PCA(PrincipalComponentAnalysis)可以用于降维、数据压缩、特征提取以及数据可视化的处理。顾名思义，对数据做PCA之后可以得到数据的主成分信息，而这部分信息可以很好地还原

有点猫匿·2023-06-07 20:50

Machine Learning 机器学习笔记目录

目录前言第一周：Welcome1.1WhatisMachineLearning?1.2LinearRegressionwithOneVariable第二周：LinearRegressionwithMultipleVariables2.1MultivariateLinearRegression2.2ComputingParametersAnalytically2.3Octave/MatlabTuto

一缕殇流化隐半边冰霜·2023-06-07 19:55

机器学习笔记（7）stacking算法

一.Stacking思想简介1.Stacking的思想是一种有层次的融合模型，比如我们将用不同特征训练出来的三个GBDT模型进行融合时，我们会将三个GBDT作为基层模型，在其上在训练一个次学习器（通常为线性模型LR）,用于组织利用基学习器的答案，也就是将基层模型的答案作为输入，让次学习器学习组织给基层模型的答案分配权重。2.下图是个简单的例子，A、B是学习器，C、D、E是进行答案再组织的次学习器，

是魏小白吗·2023-06-07 14:47

如何开始学习Java

你可以通过以下方式学习编程基础知识：在线课程：例如Coursera、edX、Udacity等在线课程平台上有许多计算机科学的课程，可以帮助你学习计算机基础知识、算法

暗星涌动·2023-06-07 11:32

机器学习笔记：深度学习模型复杂度

1时间复杂度（模型运算次数）决定了模型的训练/预测时间用FLOPs指代机器学习笔记：FLOPs_flop机器学习_UQI-LIUWJ的博客-CSDN博客2空间复杂度（模型参数数量）决定了模型的参数数量2.1

UQI-LIUWJ·2023-06-07 03:13

机器学习笔记之正则化(六)批标准化(BatchNormalization)

机器学习笔记之正则化——批标准化[BatchNormalization]引言引子：梯度消失梯度消失的处理方式批标准化(BatchNormalization)(\text{BatchNormalization

静静的喝酒·2023-04-20 21:02

线性回归【机器学习笔记简摘】

定义与公式线性回归(Linearregression)是利用回归方程(函数)对一个或多个自变量(特征值)和因变量(目标值)之间关系进行建模的一种分析方式。通用公式：h(w)=w1x1+w2x2+w3x3...+b=wTx+bh(w)=w_1x_1+w_2x_2+w_3x_3...+b=w^Tx+bh(w)=w1x1+w2x2+w3x3...+b=wTx+b线性回归当中主要有两种模型，一种是线性关系

数数chat·2023-04-19 18:46

关于AI项目研究的近况

-01近况-从3月初到5月初，分别完成了：Coursera上面吴恩达的MachineLearning（机器学习），并且全部题目刷到了100分Coursera上面吴恩达的DeepLearningSpecialization

崔宏雷·2023-04-19 13:09

概率机器学习笔记

1.单变量高斯混合分布原书对结果的得出没有给出解释，我比较困惑，网上找到了一篇推导的帖子，看完就明白了。式2.49的解释:红框即为关键处，这是显而易见的期望，不过是条件方差的期望：该证明的作者：@MISC{16609,TITLE={Whatisthevarianceoftheweightedmixtureoftwogaussians?},AUTHOR={whuber(https://stats.s

rush_mj·2023-04-19 03:09

机器学习笔记

courseId=1004570029&trace_c_p_k2=8eabc335dcaa4be5af387811ed28fad1笔记地址：https://github.com/fengdu78/Coursera-ML-AndrewNg-Notes

bad_eleven·2023-04-18 13:05

机器学习笔记（一）之特征工程、特征处理方法、特征构建

特征工程特征使用方案可用性评估特征获取方案特征处理特征清洗预处理单个特征多特征衍生变量特征处理特征构建特征提取方法特征使用方案这里我们要思考要实现我们的目标需要哪些数据答：基于我们的专业知识，尽可能找出对因变量有影响的所有自变量。举个例子：评价一个车是否是好车，我们有很多的参数，那么当我们训练一个模型帮助我们去判断车的好坏时候，就需要考虑各种各样的参数。有时候训练结果的不好，修改各类参数也无法得到

Charity_st·2023-04-18 10:58

专注时间｜如何让孩子戒除网瘾？

图源：CourseraTheaddictedBrain为什么很多孩子容易玩游戏上瘾？而游戏和成瘾性药物一样，

木子君学长·2023-04-17 22:25

利用Chat GPT建立一个To-Do应用程序--我们终于遇到了我们的替代者吗？

海外Udemy、Coursera、Skillshare、Cantrill等平台精品编码课程，请访问https://www.postcode.vip我们看到GitHubCopilot在2021年10月发布

卖枸杞的程序员·2023-04-17 20:22

推荐频道

Coursera机器学习笔记