Coursera机器学习笔记第8页

自学成才

Coursera—参加全世界最好的在线免费课程。Coursmos—随时在任何设备上学习一个微课程。

苍山落暮·2023-09-28 06:51

Matplotlib 与数据可视化--Plotting Weather Patterns

Coursera课程AppliedPlotting,Charting&DataRepresentationinPythonPlottingWeatherPatterns数据来源：本次使用的是密歇根安娜堡附近地区从

假如时光不完美·2023-09-27 17:56

机器学习笔记 - Deep Q-Learning算法概览

一、Q-Learning强化学习大致可以分为两类：无模型强化学习算法和基于模型的强化学习算法。无模型强化学习算法不会学习环境转换函数的模型来预测未来状态和奖励。Q学习、深度Q网络和策略梯度方法是无模型算法，因为它们不创建环境转换函数的模型。1、Q-学习算法Q-学习算法的流程为：1.初始化您的Q表2.使用Epsilon-Greedy探索策略选择一个操作3.使用贝尔曼方程更新Q表

坐望云起·2023-09-27 06:30

coursera课程笔记：《如何学习》第一周

一、大脑两种不同思考模式专注模式focus和发散模式diffuse1、基本介绍弹珠机类比：专注模式——橡胶珠分布更加集中，密度更大，弹珠走熟悉路线，所触及的范围有限，辐射强度更大；发散模式——橡胶珠分布更加松散，密度更低，弹珠所触及的范围更广，但是辐射强度更小。这里的橡胶珠类比大脑神经元。图片发自App2、如何使用两种思考模式当你学习新知识，或者学习比较困难的知识时，你的大脑就需要在两种思考模式间

太空旅客007·2023-09-26 17:43

机器学习笔记七-----------------使用Prophet（时间序列模型）预测家用电量的数据的笔记一------数据集解析

一，数据集的下载其实家庭用电量预测仅仅是个“引子”，如果有电网数据的话，可以开发适合业务需求的模型，比如通过预测各时段各区域的用电量来协助电网更好地实现电能调度；除此之外，还可以用于发电量预测，比如光伏电站、风力发电站、水电站发电量预测…等等。模型一般不是问题，关键在数据和数据处理。数据集名称为：IndividualhouseholdelectricpowerconsumptionDataSet，

YOULANSHENGMENG·2023-09-26 04:48

「AI大咖谈」FLAG资深工程师谈ML Infra和分布式模型服务

这里是「王喆的机器学习笔记」的第三十六篇文章。今天我们「AI大咖谈」邀请的大咖是一位在FLAG中某家工作了4年的资深机器学习工程师。

王喆的机器学习笔记·2023-09-25 16:36

机器学习笔记——9.25课堂补充

机器学习笔记——9.25课堂补充一、泰勒展开二阶近似向量形式二、有关梯度下降几个小问题？1.梯度下降能否保证找到最优的参数？2.梯度下降法参数更新能否保证损失函数值每次下降？

AgentSmart·2023-09-25 08:33

2019-1-23晨间日记

最重要的三件事：1.整理好中小单词表2.从KET中剔除3.陪娃读书改进：1.excel的使用技术2.单词如何安排，参考剑桥和朗文3.留一点精力给宝宝习惯养成：1.没有锻炼2.在为工作坚持周目标·完成进度1.0%Coursera0%

yesifeng·2023-09-25 07:53

机器学习笔记 - 通过人工干预实现安全强化学习的思路

1、人类干预强化学习深度强化学习在一些棋类游戏、视频游戏以及现实3D环境中的导航和控制任务方面取得了惊人的进展。这些成就是在模拟环境中实现的。深度强化学习能否将这一成功转化为现实世界的任务？这里面临两个主要问题。第一个是深度强化学习需要大量的观察（在现实世界的任务中获得这些观察是缓慢且昂贵的）。强化学习在实际应用中的第二个障碍是安全性。无模型强化学习代理只能通过反复试验来学习。为了学会避免灾难，他

坐望云起·2023-09-25 06:03

机器学习笔记 - 生成代理的架构框架

来自Google研究人员提出的生成代理架构，它由三个主要组件组成：内存流模块、反射模块以及规划和反应模块。这种革命性的方法为模仿人类行为和认知的人工智能驱动实体开辟了新的可能性，为先进且迷人的游戏和虚拟环境铺平了道路。这种生成代理架构包括三个主要组件：A、记忆流：一种长期记忆模块，以“记忆对象”的形式记录智能体的经验，其中包含描述、记录时间以及智能体检索它们的时间。记忆流中最基本的项目是观察，它是

坐望云起·2023-09-24 19:05

2023 年KPI (KPI:Key Performance Indicator) review

文章大纲1.总体情况2.回顾与总结2.1基础巩固2.2工作内容充实计算机视觉coursera2.3AI兴趣:NLP&AIGC2.4面试、笔试题常读常新(0%)2.5读书笔记参考文献与学习路径2023年的

shiter·2023-09-24 18:20

机器学习笔记1

1、机器学习算法分类监督学习：目标值：类别-分类问题分类算法：K-近邻算法、贝叶斯分类、决策树和随机森林、逻辑回归目标值：连续型的数据-回归问题回归算法：线性回归、岭回归无监督学习：目标值：无-无监督学习算法：聚类K-means2、机器学习开发流程1）获取数据2）数据处理3）特征工程4）机器学习算法训练-模型5）模型评估6）应用3、特征工程-数据集可用数据集：1）sklearn自带的2）kaggl

从白天到早上·2023-09-24 16:35

机器学习资源

longxinchen_ml/article/details/50749614http://blog.csdn.net/han_xiaoyang/article/details/507594724.1入门资源首先coursera

山中有石为玉·2023-09-24 10:39

排得更好VS估得更准VS搜的更全「推荐、广告、搜索」算法间到底有什么区别？

这里是「王喆的机器学习笔记」的第三十八篇文章。今天我们聊一聊推荐、广告、搜索算法的区别。

王喆的机器学习笔记·2023-09-24 06:08

机器学习笔记 - 维度诅咒的数学表达

1、点之间的距离kNN分类器假设相似的点也可能有相同的标签。但是，在高维空间中，从概率分布中得出的点往往不会始终靠近在一起。我们可以用一个简单的例子来说明这一点。我们将在单位立方体内均匀地随机绘制点（如图所示），并研究该立方体内测试点的k个最近邻将占用多少空间。想象单位立方体。所有训练数据都在这个立方体内均匀采样，即，并且我们正在考虑这样一个测试点的k=10个最近邻。令ℓ为包含测试点的所有k-nn

坐望云起·2023-09-24 05:46

机器学习笔记:adaBoost

1介绍AdaBoost（AdaptiveBoosting）是一种集成学习方法，它的目标是将多个弱分类器组合成一个强分类器通过反复修改训练数据的权重，使得之前分类错误的样本在后续的分类器中得到更多的关注每一轮中，都会增加一个新的弱分类器，直到达到某个预定的错误率或者达到预定的最大迭代次数2详细算法介绍

UQI-LIUWJ·2023-09-23 16:17

机器学习笔记08---k近邻学习

k近邻(k-NearestNeighbor，简称kNN)学习是一种常用的监督学习方法，其工作机制非常简单：给定测试样本，基于某种距离度量找出训练集中与其最靠近的k个训练样本，然后基于这k个“邻居”的信息来进行预测。通常，在分类任务中可以使用“投票法”，即选择这k个样本中出现最多的类别标记作为预测结果；在回归任务中可使用“平均法”，即将这k个样本的实值输出标记的平均值作为预测结果；还可基于距离远近进

一件迷途小书童·2023-09-23 13:29

机器学习笔记 - k-NN算法的数学表达

一、概述所有的机器学习算法都是有假设前提的。k-NN算法的假设前提是相似的输入有相似的输出。其分类规则是对于测试输入x，在其k个最相似的训练输入中分配最常见的标签。k-NN的正式定义：对于一个待测试数据。将的个最近邻的集合表示为。的正式定义为，并且。（意思就是在集合

坐望云起·2023-09-23 13:57

机器学习笔记：Huber Loss

1介绍HuberLoss是回归问题中的一种损失函数，它结合了均方误差MSE和绝对误差MAE的特点。HuberLoss在误差较小的时候是平方损失，而在误差较大的时候是线性损失。因此，它在处理有噪声的数据时，尤其是存在离群点的情况下，比MSE更加鲁棒。定义如下：δ是一个超参数，上式等号右边第一项是MSE的部分（[-δ,+δ])，第二项是MAE部分【(-∞,-δ)和(δ，+∞）】2python实现imp

UQI-LIUWJ·2023-09-23 10:34

机器学习笔记11—机器学习/深度学习之激活函数及python代码实现

ML/DL之激活函数1、概述2、激活函数性质3、常用的激活函数3.1Sigmoid函数(Logistic函数）3.2Tanh函数3.3ReLU函数3.4LeakyReLU函数3.5PReLU函数3.6ELU函数3.7Softplus函数4、激活函数的选择1、概述神经网络神经元中，输入的inputs通过加权，求和后，还被作用了一个函数，这个函数就是激活函数ActivationFunction。为什么

珞沫·2023-09-23 05:07

机器学习笔记：概念对比——损失函数，代价函数，目标函数

损失函数LossFunction通常是针对单个训练样本而言给定一个模型输出和一个真实值y，损失函数是代价函数CostFunction通常是针对整个训练集（或者在使用mini-batchgradientdescent时一个mini-batch）的总损失目标函数ObjectiveFunction表示任意希望被优化的函数代价函数是目标函数的一种

UQI-LIUWJ·2023-09-23 04:24

机器学习笔记：seq2seq & attentioned seq2seq

1Seq2Seq1.1介绍对于序列对，我们的目标是给定输入序列X，期待通过Encoder-Decoder框架来生成目标序列YEncoder对输入的序列X进行编码，将输入序列通过非线性变换转化为中间语义表示C：Decoder根据序列X的中间语义表示C和之前已经生成的历史信息y1,y2….yi-1来生成i时刻要生成的下一个值：yi1.2缺点Encoder-Decoder框架有一个明显的缺点。Encod

UQI-LIUWJ·2023-09-22 21:16

机器学习笔记 - 视频分析和人类活动识别技术路线简述

一、理解人类活动识别首先了解什么是人类活动识别，简而言之，是对某人正在执行的活动/动作进行分类或预测的任务称为活动识别。我们可能会有一个问题：这与普通的分类任务有什么不同？这里的问题是，在人类活动识别中，您实际上需要一系列数据点来预测正确执行的动作。看看这个人做的这个后空翻动作，只有看完整视频才能知道这是一个后空翻。如果我们提供的模型仅能识

坐望云起·2023-09-20 16:50

2019-4-8晨间日记

完成陪宝宝看电影3.完成记忆方法的整理改进：1.内容更加精致，完善2.再给宝宝看电影时，关注宝宝情绪变化，昨晚一夜没睡好3.尽量工作时间内把任务完成，做好任务分配，抓重点习惯养成：跑步周目标·完成进度Coursera0%

yesifeng·2023-09-17 09:26

coursera机器学习公开课笔记08: neural-networks-representation

NoteThispersonalnoteiswrittenafterstudyingtheopeningcourseonthecourserawebsite,MachineLearningbyAndrewNG.Andimages

SnailDove·2023-09-17 02:52

机器学习笔记之最优化理论与算法(十二)无约束优化问题——共轭梯度法

机器学习笔记之最优化理论与方法——共轭梯度法引言回顾：共轭方向法的重要特征线性共轭梯度法共轭方向公式的证明过程关于线搜索公式中参数的化简关于线搜索公式中步长部分的化简关于线搜索公式中共轭方向系数的化简参数化简的目的非线性共轭梯度法

静静的喝酒·2023-09-16 23:05

机器学习笔记之无约束优化问题——(阶段性收尾)共轭方向法与Wolfe准则优化方法Python示例

机器学习笔记之无约束优化问题——基于共轭方向法与Wolfe准则优化方法的Python示例引言小插曲：画图——非标准二次型的等值线算法在图像中的表示基于精确搜索的共轭梯度法基于Wolfe准则的共轭梯度法附

静静的喝酒·2023-09-16 23:34

机器学习笔记 - 什么是 MLOps？

什么是MLOps？Machinelearningoperations(MLOps)作为一个新兴领域，MLOps在数据科学家、机器学习工程师和人工智能爱好者中迅速崛起。MLOps代表机器学习操作。MLOps是机器学习工程的核心功能，专注于简化将机器学习模型投入生产、然后维护和监控的过程。MLOps是一种协作功能，通常由数据科学家、devops工程师和IT人员组成。MLOps有什么用？MLOps是一种

坐望云起·2023-09-15 12:10

网址汇总

http://www.numpy.org.cn/article/basics/python_numpy_tutorial.html#python推荐一个机器学习笔记网站不错https://luweikxy.gitbook.io

balabala19·2023-09-14 20:15

Coursera助学金申请模版

相信大家都听说过Coursera这个国外的mooc（幕课）平台，现在几乎所有的课程都需要交付一定费用才可以学习，当然，如果不是为了最后的证书，是可以选择旁听的（具体步骤就是在课程选择免费注册之后选择旁听

Annsherry·2023-09-13 07:07

机器学习笔记 - 从数学表示的角度看待监督学习

一、概述监督学习的目标是根据数据进行预测。比如电子邮件垃圾邮件过滤，需要将电子邮件（数据实例）分类为垃圾邮件或非垃圾邮件。按照传统计算机科学的方法，需要编写一个精心设计的程序，遵循一些规则来确定电子邮件是否是垃圾邮件。尽管这样的程序可能在一段时间内运行得相当好，但它有很大的缺点。随着垃圾邮件的变化，它必须被重写。因为垃圾邮件发送者可能会尝试对软件进行逆向工程并设计绕过它的消息。另外即使程序运行得很

坐望云起·2023-09-13 07:22

情感分类（Sentiment Classification）

来源：Coursera吴恩达深度学习课程情感分类（sentimentclassification）就是看一段文本，然后分辨这个人是否喜欢他们在讨论的东西，这是NLP中最重要的模块之一。

双木的木·2023-09-12 05:57

吴恩达机器学习笔记（三）

前言我跳过了Octave部分的学习，转而利用这部分时间去研究python如何实现这系列课程的小作业，当作是熟悉一边python的一些常用库及一些好用的工具。关于这系列的python代码参考下面这个大佬的代码：吴恩达机器学习与深度学习作业目录-Cowry-CSDN博客接下来开始第三周的学习，线性回归算法结束，进入下一个算法。视频课简记6、逻辑回归6.1分类问题分类问题在第一周一开始举得例子也曾接触过

yh_y·2023-09-11 09:26

机器学习笔记之最优化理论与方法(十)无约束优化问题——共轭梯度法背景介绍

机器学习笔记之最优化理论与方法——共轭梯度法背景介绍引言背景：共轭梯度法线性共轭梯度法共轭方向共轭VS正交共轭方向法共轭方向法的几何解释引言本节将介绍共轭梯度法，并重点介绍共轭方向法的逻辑与几何意义。

静静的喝酒·2023-09-11 01:42

Coursera Basic Statistics Note for week2

注意区分回归分析中的回归系数（regressioncoefficient，方程斜率），相关系数（correlation,也就是Pearson'sr里的r），以及决定系数（r^2）。

想起飞的猪·2023-09-10 12:11

机器学习笔记 - 使用具有triplet loss的孪生网络进行图像相似度估计

一、简述孪生网络是一种网络架构，包含两个或多个相同的子网络，用于为每个输入生成特征向量并进行比较。孪生网络可以应用于不同的场景，例如检测重复项、发现异常和人脸识别。此示例使用具有三个相同子网的孪生网络。我们将向模型提供三张图像，其中两张是相似的（锚点和正样本），第三张是不相关的（负样本）。我们的目标是让模型学习估计图像之间的相似性。为了让网络学习，我们使用tripletloss损失函数。可以在下面

坐望云起·2023-09-09 21:52

机器学习笔记之最优化理论与方法(八)无约束优化问题——常用求解方法(中)

机器学习笔记之最优化理论与方法——基于无约束优化问题的常用求解方法[中]引言回顾：最速下降算法的缺陷经典牛顿法基本介绍经典牛顿法的问题经典牛顿法的优点与缺陷经典牛顿法示例修正牛顿法介绍拟牛顿法拟牛顿法的算法过程矩阵

静静的喝酒·2023-09-07 22:06

机器学习笔记之最优化理论与方法(九)无约束优化问题——常用求解方法(下)

机器学习笔记之最优化理论与方法——基于无约束优化问题的常用求解方法[下]引言回顾：经典牛顿法的缺陷与拟牛顿法思想经典牛顿法缺陷与修正牛顿法拟牛顿法与矩阵Bk+1\mathcalB_{k+1}Bk+1的选择拟牛顿法之

静静的喝酒·2023-09-07 22:04

机器学习笔记：轨迹驻留点 staypoint

1定义在轨迹数据分析中，"停留点"（Staypoint）是一个非常关键的概念，它反映了个体或物体在某一地点的停留行为。通常，在一段时间内，如果一个人或物体在一个较小的地理区域内的移动距离低于某个阈值，并且停留时间超过某个设定的时间阈值，那么这个地理区域就可以被认定为一个停留点。如上图，从p5开始，后续的点p6~p8和p5的空间距离都比较小，同时p5到p8的时间跨度很大——>p5~p8被认为是一个驻

UQI-LIUWJ·2023-09-07 08:28

收藏网址

1.MOOC学院2.Codecademyhttps://www.codecademy.com/3.Coursera4.好知网5.网易云课堂6.Excelhome7.Udacity8.学堂在线9.万门大学链接

cccolors·2023-09-07 08:28

《机器人学一(Robotics(1))》_台大林沛群第 5 周【机械手臂轨迹规划】 Quiz 5

coursera链接文章目录第1题Cartesianspace求解题1-3的Python代码第2题第3题第4题Jointspace求解题4-6的Python代码第5题第6题其它可参考代码Python笛卡尔空间

Gaoshu101·2023-09-07 07:22

机器学习笔记之最优化理论与方法(七)无约束优化问题——常用求解方法(上)

机器学习笔记之最优化理论与方法——基于无约束优化问题的常用求解方法[上]引言总体介绍回顾：线搜索下降算法收敛速度的衡量方式线性收敛范围高阶收敛范围二次终止性朴素算法：坐标轴交替下降法最速下降法(梯度下降法

静静的喝酒·2023-09-06 16:17

机器学习笔记：node2vec（论文笔记：node2vec: Scalable Feature Learning for Networks）

2016KDD1intro利用graph上的节点相似性，对这些节点进行embedding同质性：节点和其周围节点的embedding比较相似蓝色节点和其周围的节点结构等价性结构相近的点embedding相近比如蓝色节点，都处于多个簇的连接处2随机游走2.1介绍随机游走是一种自监督学习的embedding方法，不需要利用节点标签也不需要节点的特征，训练出来的embedding也不依赖于任何的特定任务

UQI-LIUWJ·2023-09-06 15:36

机器学习笔记 - 【机器学习案例】基于KerasCV的预训练模型自定义多头+多标签预测

一、KerasCVKerasCV是一个模块化计算机视觉组件库，可与TensorFlow、JAX或PyTorch原生配合使用。这些模型、层、指标、回调等基于KerasCore构建，可以在任何框架中进行训练和序列化，并在另一个框架中重复使用，而无需进行昂贵的迁KerasCV可以理解为KerasAPI的水平扩展：组件是新的第一方Keras对象，它们过于专业化，无法添加到核心Keras中。它们获得与核心K

坐望云起·2023-09-06 12:58

新手如何学习编程，快速入门，技术进阶！

有很多在线资源可以帮助您学习这些内容，例如Coursera、edX、Udacity等。

bqqqqqqqqqq·2023-09-06 05:15

机器学习笔记之最优化理论与方法(六)无约束优化问题——最优性条件

机器学习笔记之最优化理论与方法——无约束优化问题[最优性条件]引言无约束优化问题无约束优化问题最优解的定义无约束优化问题的最优性条件无约束优化问题的充要条件无约束优化问题的必要条件无约束优化问题的充分条件引言本节将介绍无约束优化问题

静静的喝酒·2023-09-05 15:54

《机器人学一(Robotics(1))》_台大林沛群第 3 周【机械手臂顺运动学】Quiz 3

coursera课程链接高手在课程论坛课程论坛链接理论知识部分Denavit-HartenbergD-H建模(Craigversion)!!!！！！

Gaoshu101·2023-09-04 21:04

《机器人学一(Robotics(1))》_台大林沛群第 4 周【机械臂逆运动学】 Quiz 4

##########################################################coursera链接文章目录第1题第

Gaoshu101·2023-09-04 21:33

执行力系列:一个简单的健身计划V1

9-11点，阅读或者学习coursera！11点睡觉Zzz...

毛线小Y·2023-09-04 14:54

机器学习（凸优化，SVM）笔记整理

机器学习笔记（1）凸优化、SVM问题凸优化一个AI问题可以把它分解为模型加优化两部分构成，模型有DL、SVM、CNN等，优化有GD，SGD，Adam等等。机器学习的核心是优化问题。

polaris2ai·2023-09-04 10:54

推荐频道

Coursera机器学习笔记