Coursera机器学习笔记第2页

机器学习——网易慕课笔记

文章目录机器学习笔记说在前面第一章1.1机器学习引言1.2开发环境准备1.3一个神经元的网络第二章计算机视觉加载`FashionMNIST`数据集构造神经元网络模型训练和评估模型自动终止训练第三章卷积神经网络

河篱·2024-02-05 10:18

700 页的机器学习笔记火了！完整版开放下载

编译：Amusi（CVer）作者：梁劲（JimLiang），来自SAP（全球第一大商业软件公司）。书籍特点：条理清晰，含图像化表示更加易懂，对公式有详细的注解等。内容概要：主要分为基本概念、常用算法和其他三部分。正是对机器学习的过程中的痛苦有切身体会，作者希望能做一份教程，以浅显易懂的方式去讲解它，降低大家的学习门槛。作者为此花费了数月时间，经常做到深夜，把自己的学习笔记整理成了这份教程。如果你想

深度学习技术前沿·2024-02-04 19:54

政安晨的机器学习笔记——示例演绎在TensorFlow中使用 CSV数据（基于Colab的Jupyter笔记）（1.5万字长文超详细）

本笔记提供了如何在TensorFlow中使用CSV数据的示例：用tf.data加载CSV数据。其中包括两个主要部分：从磁盘加载数据将数据预处理为适合训练的形式。本笔记侧重于加载，并提供了一些关于预处理的快速示例。设置importpandasaspdimportnumpyasnp#Makenumpyvalueseasiertoread.np.set_printoptions(precision=3,

政安晨·2024-02-03 11:23

Coursera吴恩达《神经网络和深度学习》课程笔记（3）

转载自http://blog.csdn.net/koala_tree/article/details/78059952神经网络和深度学习—浅层神经网络1.神经网络表示简单神经网络示意图：神经网络基本的结构和符号可以从上面的图中看出，这里不再复述。主要需要注意的一点，是层与层之间参数矩阵的规格大小：输入层和隐藏层之间w[1]−>(4,3)：前面的4是隐层神经元的个数，后面的3是输入层神经元的个数；b

遇见更好的自己·2024-02-03 06:05

Coursera吴恩达机器学习课程笔记——神经网络: 学习（Neural Networks: Learning）

9神经网络:学习（NeuralNetworks:Learning）9.1代价函数（CostFunction）神经网络的分类问题有两种：二元分类问题（0/1分类）只有一个输出单元（K=1K=1K=1）多元（KKK）分类问题输出单元不止一个（K>1K\gt1K>1）神经网络的代价函数公式：hΘ(x)=a(L)=g(Θ(L−1)a(L−1))=g(z(L))h_\Theta(x)=a^{(L)}=g(\

yanglamei1962·2024-02-03 06:04

吴恩达coursera机器学习个人向笔记——9章神经网络学习

文章目录课时62非线性假设09:36课时63神经元与大脑07:47课时64模型展示Ⅰ12:01课时65模型展示Ⅱ11:46课时68例子与直觉理解Ⅰ07:15课时70例子与直觉理解Ⅱ10:20课时71多元分类03:51课时62非线性假设09:36对图1那样的作分类，逻辑斯蒂回归中，只要g(θ转X)中的(高次)项足够多，就一定能找出边界但这是2个特征的情况如果有100个特征，二次交叉项会将近5000个

选西瓜专业户·2024-02-03 06:31

神经网络和深度学习吴恩达coursera笔记

DeepLearning文章目录DeepLearningBasicLogisticRegressionsomesignLossfunctioncostfunctionGradientDescentComputationGraphaVectorizationvectorizedImplementing:broadcastingShallowNeuralNetworkRepresentationcom

stoAir·2024-02-03 06:52

机器学习笔记十一矩阵乘法 Tensorflow实现神经网络

向量a和向量w的点积(dotproduct)与向量a转置和向量w的点积相同矩阵乘法代码如何使用TensorFlow实现神经网络第一步指定模型，告诉TensorFlow如何计算推理第二步定义编译模块调用哪个函数第三步训练模型

爱学习的小仙女！·2024-02-02 08:52

吴恩达机器学习笔记十二 Sigmoid激活函数的替代方案激活函数的选择为什么要使用激活函数

在需求预测案例中，awareness这个输入可能不是二元(binary)的，或许是一点(alittlebit)、有些(somewhat)或完全(extremely)，此时相比将awareness规定为0、1，不如考虑概率，认为它是一个0-1之间的数。激活函数可以采用ReLU函数(rectifiedlinearunit)三个常用的激活函数使用线性激活函数也可以看作是没有激活函数。激活函数的选择输出层

爱学习的小仙女！·2024-02-02 08:52

吴恩达机器学习笔记十神经网络 TensorFlow 人工智能

神经网络：说几层的时候是指隐藏层及输出层，不包含输入层。例如下图是一个四层神经网络。前向传播(forwardpropagation)越靠近输出层，该层的神经元数量越少TensorFlow（张量流）实现神经网络的搭建sequential（）把两层顺序连接起来；如果有新的x，用predict()人工智能

爱学习的小仙女！·2024-02-02 08:22

政安晨的机器学习笔记——实例讲解深度学习工具PyTorch在Ubuntu系统上的安装入门（基于Miniconda）（非常详细）

PyTorch是一个开源的Python机器学习库，于2016年由Facebook的人工智能研究团队推出，有助于构建深度学习项目。它强调灵活性，并允许用深度学习领域惯用的Python语言来表示深度学习模型。它的易用性使得它在研究社区中有了早期的使用者，并且在第1次发布之后的几年里，它已经成为应用程序中使用最广泛的深度学习工具之一。正如Python在编程方面所做的那样，PyTorch也为深度学习提供了

政安晨·2024-01-30 11:43

政安晨的机器学习笔记——基于Ubuntu系统的Miniconda安装Jupyter Notebook

一、准备工作Miniconda的安装请参考我的另一篇博客文章：实例讲解深度学习工具PyTorch在Ubuntu系统上的安装入门（基于Miniconda）（非常详细）https://blog.csdn.net/snowdenkeke/article/details/135887509这里我就不赘述了。安装好Miniconda之后，就可以准备下一步了。二、安装JupyterNotebook由于咱们想在

政安晨·2024-01-30 11:12

Coursera 北京大学操作系统原理笔记

OperatingSystems进程（Process）和线程（Thread）进程是系统进行资源分配和调度的独立单位，每个进程都有独立的地址空间进程控制块/进程描述符ProcessControlBlock：操作系统管理进程的一个专门数据结构，记录进程的各种属性，描述其动态变化过程。进程与PCB一一对应。进程表：所有进程的PCB集合。PCB包含：进程描述信息：标识符(processID)、进程名、用户

MaverHardcore·2024-01-30 03:50

政安晨的机器学习笔记——基于Anaconda安装TensorFlow并尝试一个神经网络小实例

准备工作如果想要在机器学习的过程中马上动手尝试点什么，比较好的方案是把环境配置起来后，上手跑一把程序，现在让我们开始吧。先安装一个Anaconda，然后把Python环境跑起来。下载地址：FreeDownload|AnacondaAnaconda'sopen-sourceDistributionistheeasiestwaytoperformPython/Rdatascienceandmachin

政安晨·2024-01-29 09:51

政安晨的机器学习笔记——示例讲解机器学习工具Jupyter Notebook入门（超级详细）

JupyterNotebook是一个基于Web的交互式计算环境，可以用于创建、共享和运行代码、文档和可视化效果。它支持多种编程语言，包括Python、R、Julia等，并且提供了一个强大的交互式环境，可以编写和执行代码块，并在同一个界面中显示代码输出结果、文本说明和图形可视化。JupyterNotebook是在数据科学和机器学习领域非常流行的开发环境，被誉为每个数据科学家都应该掌握的工具。我们无须

政安晨·2024-01-29 09:50

机器学习笔记(1) 逻辑回归

机器学习笔记(1)逻辑回归0.前言介绍逻辑回归，是一种二元分类算法，其主体思想还是继承了线性回归。

TheStudent_LifeLong·2024-01-29 09:01

【转】评估分类模型的指标：ROC/AUC

原文：【机器学习笔记】：一文让你彻底理解准确率，精准率，召回率，真正率，假正率，ROC/AUC作者：xiaoyu微信公众号：Python数据科学知乎：python数据分析师ROC/AUC作为机器学习的评估指标非常重要

悦光阴·2024-01-29 05:47

【机器学习笔记】基本概念

算法和模型“算法”是指从数据中学得“模型”的具体方法，例如后续章节中将会讲述的线性回归、对数几率回归、决策树等。“算法”产出的结果称为“模型”，通常是具体的函数或者可抽象地看作为函数，例如一元线性回归算法产出的模型即为形如f(x)=wx+b的一元一次函数。不过由于严格区分这两者的意义不大，因此多数文献和资料会将其混用，当遇到这两个概念时，其具体指代根据上下文判断即可。样本也称为“示例”，是关于一个

RIKI_1·2024-01-28 23:13

【机器学习笔记】1 线性回归

回归的概念二分类问题可以用1和0来表示线性回归（LinearRegression）的概念是一种通过属性的线性组合来进行预测的线性模型，其目的是找到一条直线或者一个平面或者更高维的超平面，使得预测值与真实值之间的误差最小化（点越靠近这条线越好）线性回归的符号约定如上表所示m行记录，标签（房价）是y，前面几列列名是特征x，有n=4个特征线性回归-算法流程训练数据利用机器学习算法得到模型，输入特征经过模

RIKI_1·2024-01-28 23:13

【机器学习笔记】0 基础知识之python基础

注：本文内容仅为个人学习笔记，教程为黄海广老师主讲的机器学习入门系列，课程链接（中国大学慕课，有习题和证书）课程资源（pdf版本课件和代码）公布在Github链接课程视频也可以在b站观看（观看方便，但无课后习题和证书）本笔记仅简单记录关于python需要熟悉掌握的内容点，不详细展开记录python环境安装python环境安装网上教程很多不做赘述，推荐黄海广老师发布的安装教程：Python环境的安装

RIKI_1·2024-01-28 23:41

《学习之道》第三章丨有效运用大脑进行记忆的方法-- 工作记忆和长期记忆

在MOOC、Coursera上开创最受欢迎的学习课“learninghowtolearn”，数十万人报名。本书一

脑科学与学习方法技能·2024-01-28 18:49

【机器学习笔记】1 机器学习概念

机器学习与人工智能、深度学习的关系人工智能机器展现的人类智能机器学习计算机利用已有的数据(经验)，得出了某种模型，并利用此模型预测未来的一种方法。深度学习实现机器学习的一种技术机器学习的范围机器学习可以解决给定数据的预测问题，包括✓数据清洗/特征选择✓确定算法模型/参数优化✓结果预测）不能解决：x大数据存储/并行计算x做一个机器人机器学习的发展史总的来说，人工智能经历了逻辑推理、知识工程、机器学习

RIKI_1·2024-01-28 10:25

【机器学习笔记】0 背景知识之数学基础

注：本文内容仅为个人学习笔记，教程为黄海广老师主讲的机器学习入门系列，课程链接（中国大学慕课，有习题和证书）：https://www.icourse163.org/course/WZU-1464096179，课程资源（pdf版本课件和代码）公布在Github：https://github.com/fengdu78/WZU-machine-learning-course，课程视频也可以在b站观看（观

RIKI_1·2024-01-28 10:24

交并比（Intersection over union）

来源：Coursera吴恩达深度学习课程如何判断目标检测算法运作良好呢？接下来，你将了解到并交比（intersectionoverunion）函数，可以用来评价目标检测算法。

双木的木·2024-01-27 20:33

Coursera吴恩达《深度学习》课程总结（全）

这里有Coursera吴恩达《深度学习》课程的完整学习笔记，一共5门课：《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》、《卷积神经网络》和《序列模型》，最后附上人工智能领域大师访谈

双木的木·2024-01-27 20:03

靠谱的在家赚钱的方式有些哪些？在家做副业

平台如Udemy、Coursera、Codecademy等都提供了这样的机会。写作和翻译：如果你善于写作或翻译，你可以为各种客户提供专业服务。

优惠券高省·2024-01-27 03:45

免费自学编程的12个网站

2.CourseraCo

蓝调之歌·2024-01-25 16:12

机器学习笔记02：特征工程

机器学习笔记02：特征工程文章目录机器学习笔记02：特征工程1.特征工程定义2.数据的特征抽取：1.字典特征抽取：2.文本特征抽取：3.tf-df分析问题3.特征预处理1.特征处理的方法：1.数值型数据

fafagege11520·2024-01-25 09:12

吴恩达机器学习Coursera-week11

PhotoOCR在此章的课程中，Andrew主要是想通过OCR问题的解决来阐释在实际项目中我们应该如何定义问题，并将一个大问题分解为多个小问题，并通过pipeline的方式将对这些小问题的解决方案串联起来，从而解决这个大问题。我认为这是解决实际问题的一个经典的方法论，有助于我们在实际工作和生活中更好地思考问题，分解问题，并最终解决问题。ProblemDescriptionandPipeline此小

geekpy·2024-01-24 20:23

机器学习笔记：线性回归

0线性回归的假设线性：自变量（x）和因变量（y）之间应该存在线性关系，这意味着x值的变化也应该在相同方向上改变y值。独立性：特征应该相互独立，这意味着最小的多重共线性。正态性：残差应该是正态分布的。同方差性：回归线周围数据点的方差对于所有值应该相同。假设有如下数据这些数据符合以下图关系（以一维数据为例），这里的函数f(w)忽略了偏置b1最小二乘估计我们的目标是要求w，使得Xw和实际值y最近。所以我

UQI-LIUWJ·2024-01-23 22:08

机器学习笔记：地理加权回归（GWR）

1传统的线性回归机器学习笔记：线性回归_线性回归的读书笔记-CSDN博客最优的β为：2地理加权回归（GWR）2.1模型概述地理加权回归（GeographicallyWeightedRegression，

UQI-LIUWJ·2024-01-23 22:06

机器学习笔记 - 基于自定义数据集 + 3D CNN进行视频分类

一、简述这里主要介绍了基于自定义动作识别数据集训练用于视频分类的3D卷积神经网络(CNN)。3DCNN使用三维滤波器来执行卷积。内核能够在三个方向上滑动，而在2DCNN中它可以在二维上滑动。这里的模型主要基于D.Tran等人2017年的论文“动作识别的时空卷积研究”。https://arxiv.org/abs/1711.11248v3https://arxiv.org/abs/1711.11248

坐望云起·2024-01-23 08:40

生物信息学导论-北大-新一代测序NGS：转录组分析RNA-Seq 1

ref:https://www.coursera.org/learn/sheng-wu-xin-xi-xue/home本文主要来自本课的讲义+搜索内容。

陆沙·2024-01-23 00:50

生物信息学导论-北大-变异的功能预测3（Comparative Modeling）

ref:https://www.coursera.org/learn/sheng-wu-xin-xi-xue/home本文主要来自本课的讲义。

陆沙·2024-01-21 17:34

生物信息学导论-北大-变异的功能预测2（SAPRED）

ref:https://www.coursera.org/learn/sheng-wu-xin-xi-xue/home本文主要来自本课的讲义。生物学问题：如何区分致病变异和中性变异？

陆沙·2024-01-21 17:04

生物信息学导论-北大-变异的功能预测1

ref:https://www.coursera.org/learn/sheng-wu-xin-xi-xue/home本文主要来自本课的讲义。

陆沙·2024-01-21 17:03

机器学习笔记(1): 基础概念

1.机器学习基础概念1.1定义AcomputerprogramissaidtolearnformexperienceEwithrespecttosometaskTandsomperformancemeasureP,ifitsperformanceonT,asmeasuredbyP,improveswithexperienceE.例如：根据你将那些邮件标记为垃圾邮件的行为，邮件程序学习更好的过滤邮件

大锅烩菜·2024-01-21 07:13

隐马尔可夫模型【维特比算法】

机器学习笔记机器学习系列笔记，主要参考李航的《机器学习方法》，见参考资料。

格兰芬多_未名·2024-01-19 03:21

机器学习笔记——感知机【图文，详细推导】

机器学习笔记第一章机器学习简介第二章感知机文章目录机器学习笔记一、超平面二、感知机定义三、学习策略和学习算法1线性可分2损失函数定义3优化算法—SGD4算法收敛性四、感知机的缺点参考资料感知机（PLA）

格兰芬多_未名·2024-01-19 03:20

奇异值分解(SVD)【详细推导证明】

机器学习笔记机器学习系列笔记，主要参考李航的《机器学习方法》，见参考资料。

格兰芬多_未名·2024-01-19 03:20

机器学习笔记（十）聚类算法DBSCAN原理和实践

在前面的文章中，我们分别介绍了《K-means原理和实践》和《Birch和层次聚类》两种聚类算法，本文我们继续介绍另一种常用的聚类算法DBSCAN。相对于前两种算法，DBSCAN的原理要简单的多，但是这并不意味着它的效果就会差，在很多算法表现不好的非凸数据集上（凸数据集可以简单理解为数据集中的任意两点连线上的点都在数据集内），DBSCAN往往能取得较好的效果，见下图，这也是DBSCAN最大的优势，

大白兔黑又黑·2024-01-19 01:04

吴恩达机器学习笔记-Logistic回归模型

回归函数在逻辑回归模型中我们不能再像之前的线性回归一样使用相同的代价函数，否则会使得输出的结果图像呈现波浪状，也就是说不再是个凸函数。代价函数的表达式之前有表示过,这里我们把1/2放到求和里面来。这里的求和部分我们可以表示为：很显然，如果我们把在之前说过的分类问题的假设函数带进去，即，得到的结果可能就是上述所说的不断起伏的状况。如果这里使用梯度下降法，不能保证能得到全局收敛的值，这个函数就是所谓的

Carey_Wu·2024-01-18 16:26

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

【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

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

Python data Structures: Strings, Files, Lists

PythondataStructures这门课是在coursera上由美国密歇根大学开展的公开课。python零基础可以选择course1,这是course2，我用来复习和补充的。

Ashleyxxihf·2024-01-15 08:02

【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

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

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、斯坦福大学的深度学习课程-学习网站：Coursera

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

推荐频道

Coursera机器学习笔记