coursera机器学习笔记

机器学习笔记--半监督节点分类：标签传播和消息传递

斯坦福大学CS224W图机器学习笔记学习参考CS224W公开课：双语字幕斯坦福CS224W《图机器学习》课程(2021)byJureLeskove官方课程主页：官方主页子豪兄精讲：斯坦福CS224W图机器学习
北航程序员小C·2023-12-29 21:20

机器学习笔记（11）：贝叶斯学习（1）

本文来自之前在Udacity上自学机器学习的系列笔记。这是第11篇，介绍了监督学习中的贝叶斯学习模型（1）。朴素贝叶斯朴素贝叶斯是一个分类模型，如下图所示，有正反两类样本数据点，该模型寻找出一个决策边界正确地将两类数据分隔开来。模型的背后是贝叶斯规则。image.png在sklearn上面有参考的代码：https://scikit-learn.org/stable/modules/generate
链原力·2023-12-29 09:33

机器学习笔记

机器学习黑马程序员3天快速入门python机器学习_哔哩哔哩_bilibili1.概述1.1机器学习、人工智能、深度学习关系机器学习是人工智能的一个实现途径深度学习是机器学习一个方法发展而来1.2定义机器学习是从数据中自动获得模型，并利用模型对未知数据进行预测。数据模型预测1.3算法分类数据集：特征值+目标值1.3.1监督学习目标值分类类别分类问题连续型的数据回归问题（1）分类K-近邻算法、贝叶斯
王小白学习·2023-12-29 08:18

机器学习笔记--NetworkX代码实战

斯坦福大学CS224W图机器学习笔记学习参考CS224W公开课：双语字幕斯坦福CS224W《图机器学习》课程(2021)byJureLeskove官方课程主页：官方主页子豪兄精讲：斯坦福CS224W图机器学习
Runjavago·2023-12-28 15:35

机器学习笔记--图嵌入表示学习

斯坦福大学CS224W图机器学习笔记学习参考CS224W公开课：双语字幕斯坦福CS224W《图机器学习》课程(2021)byJureLeskove官方课程主页：官方主页子豪兄精讲：斯坦福CS224W图机器学习
Runjavago·2023-12-28 15:35

机器学习笔记--DeepWalk和Node2Vec图嵌入二

斯坦福大学CS224W图机器学习笔记学习参考CS224W公开课：双语字幕斯坦福CS224W《图机器学习》课程(2021)byJureLeskove官方课程主页：官方主页子豪兄精讲：斯坦福CS224W图机器学习
Runjavago·2023-12-28 15:35

机器学习笔记--图的基本表示和特征工程

斯坦福大学CS224W图机器学习笔记学习参考CS224W公开课：双语字幕斯坦福CS224W《图机器学习》课程(2021)byJureLeskove官方课程主页：官方主页子豪兄精讲：斯坦福CS224W图机器学习
Runjavago·2023-12-28 15:30

斯坦福大学CS224W图机器学习笔记

斯坦福大学CS224W图机器学习笔记学习参考CS224W公开课：双语字幕斯坦福CS224W《图机器学习》课程(2021)byJureLeskove官方课程主页：官方主页子豪兄精讲：斯坦福CS224W图机器学习
Runjavago·2023-12-28 11:00

机器学习笔记 - 线性判别分析(LDA)的原理和应用

一、LDA简述线性判别分析（LDA）是监督机器学习中用于解决多类分类问题的一种方法。LDA通过数据降维来分离具有多个特征的多个类。这项技术在数据科学中很重要，因为它有助于优化机器学习模型。线性判别分析，也称为正态判别分析(NDA)或判别函数分析(DFA)，遵循生成模型框架。LDA算法对每个类别的数据分布进行建模，并使用贝叶斯定理对新数据点进行分类。LDA算法通过使用贝叶斯计算输入数据集是否属于特定
坐望云起·2023-12-26 15:32

机器学习笔记2-基于KNN算法的手写字识别程序

importnumpyimportoperatorimportosfromPILimportImagedefclassify(inX,dataSet,labels,k=3):'''算法的实现'''dataSetSize=dataSet.shape[0]diffMat=numpy.tile(inX,(dataSetSize,1))-dataSetsqDiffMat=diffMat**2sqDista
冯子玉·2023-12-26 08:22

机器学习笔记 八：Matlab实现神经网络的手写数字识别

OctaveCode需要解决的问题（3个）:1.数据加载及可视化1.1displayData.m2.参数加载3.基于前向传播算法计算代价4.正则化4.1nnCostFunction.m5.梯度下降函数5.1sigmoid.m5.2sigmoidGradient.m6.初始化参数6.1randInitializeWeights.m7.后向传播算法实现7.1checkNNGradients.m8.后向
Amyniez·2023-12-26 08:20

机器学习笔记（三）简单手写识别

目标实现一个简单的手写识别的脚本，同样的，流程分五步走：读入数据初始化模型训练模型训练样本集乱序校验数据有效性前期准备前期需要将库导入，还需要进行一些初始化操作#数据处理部分之前的代码，加入部分数据处理的库点击查看代码#加载飞桨和相关类库importpaddlefrompaddle.nnimportLinearimportpaddle.nn.functionalasFimportosimportn
Leventure_轩先生·2023-12-26 08:47

2019-3-1晨间日记

尤其是英语，进一步巩固3.让宝宝自己读改进：1.根据《梁宁产品思维30讲》进一步分析2.英语尽量少让宝宝说，听的多了，自然就会了3.宝宝读书，先不要每次都打断，要容忍错误习惯养成：坚持读书周目标·完成进度Coursera10%
yesifeng·2023-12-26 03:37

机器学习笔记 - week5 -（九、神经网络的学习 Part1）

9.1代价函数在神经网络的学习中，我们需要用到新的标记方法，假设神经网络的训练样本有个，每个包含一组输入和一组输出信号：表示神经网络层数表示每层的neuron个数(表示输出层神经元个数)代表最后一层中处理单元的个数。神经网络的分类定义为两种情况：二类分类和多类分类：二类分类：，0和1对应表示二分类中的一类；类分类：表示分到第类；我们回顾逻辑回归问题中我们的代价函数为：在逻辑回归中，我们只有一个输出
火箭蛋头·2023-12-26 00:46

const关键字和常量

注：以下大部分内容来源于coursera课程《C++程序设计》const的用法定义常量constintmax=23;const与define的差别：const和define都可以定义常量，但是建议用const
波洛的汽车电子世界·2023-12-25 17:51

大师兄的Python机器学习笔记:特征提取

大师兄的Python机器学习笔记:Pandas库一、关于分类(Classification)1.什么是分类分类是机器学习的重要模块，主要用来预测数据的类别标签。
superkmi·2023-12-25 13:38

机器学习笔记（二）使用paddlepaddle，再探波士顿房价预测

目标用paddlepaddle来重写之前那个手写的梯度下降方案，简化内容流程实际上就做了几个事：数据准备：将一个批次的数据先转换成nparray格式，再转换成Tensor格式前向计算：将一个批次的样本数据灌入网络中，计算出结果计算损失函数：以前向计算的结果和真是房价作为输入，通过算是函数sqare_error_cost计算出损失函数。反向传播：执行梯度反向传播backward函数，即从后到前逐层计
Leventure_轩先生·2023-12-23 16:52

机器学习笔记（一）从波士顿房价预测开始，梯度下降

从波士顿房价开始目标其实这一章节比较简单，主要是概念，首先在波士顿房价这个问题中，我们假设了一组线性关系，也就是如图所示我们假定结果房价和这些参数之间有线性关系，即:然后我们假定这个函数的损失函数为均方差，即：那么就是说，我们现在是已知y和x，来求使得这个损失函数Loss最小化的一个w和b的组合读取数据点击查看代码defload_data():#从文件导入数据datafile='./work/ho
Leventure_轩先生·2023-12-23 09:37

人生就是在不断的学习，欧力给

Coursera—免费学习来自全球20多个国家100多所顶尖大学的课程，有提供认证证书的专项课程，由浅入深系统学习一个领域。她的课程。
Albert新荣·2023-12-22 16:12

机器学习笔记：支持向量机回归SVR

1主要思想主要思路类似于机器学习笔记：支持向量机SVM_支撑向量学习-CSDN博客和SVM的区别主要有解法和SVM区别不大，也是KKT2和线性回归的区别对SVR，如果f(x)和y之间的差距小于阈值ε【也即落在两条间隔带之间
UQI-LIUWJ·2023-12-20 23:16

机器学习资料整理

ML&DLBookThefastaideeplearninglibrary入门导师，带我走进了机器学习的世界Coursera-ML-AndrewNg-Notes吴恩达老师的机器学习课程个人笔记,"小时候
FMsunyh·2023-12-19 06:52

Coursera机器学习笔记3

Week44.1神经网络模型表示1神经网络可以分为三部分：（输入）树突、（logistic）激励、（输出）轴突。一个简单的模型如下图。image1.pngx0通常为1，第一层为输入层；在这个例子中，中间层为ai(2)。第j个权重矩阵决定了第j层到第j+1层的调整，如果第j层有s(j)个单元，第j+1层有s(j+1)个单元，则第j个权重矩阵的维度是s(j+1)*(s(j)+1)image1.png4
los_pollos·2023-12-18 22:22

人脸识别

参考资料：coursera课程第四周前半部分及编程作业：ConvolutionalNeuralNetworks主要原理训练一个网络，输出一个128维向量，这些向量要满足，相同人之间距离相差很小，不同人之间距离相差很大
抬头挺胸才算活着·2023-12-18 00:53

AndrewNG Coursera课程编程作业（二）fminunc求解logistics回归

目标：构建一个logistics回归模型，依据学生两次考试的成绩来预测一个学生能否被大学录取通过的输入数据文件为ex2data1.txt：#为用逗号隔开的3列，分别为：exam1Score,exam2Score,lable34.62365962451697,78.0246928153624,030.28671076822607,43.89499752400101,035.8474087699387
UnderStorm·2023-12-17 19:59

机器学习笔记

1.什么是机器学习从数据中自动分析获得模型，并利用模型对位置数据进行预测。关键词：数据模型预测2.机器学习算法分类2.1监督学习数据集有标签监督学习三要素：模型算法策略2.1.1分类classification离散型数据常用算法：Knn，朴素贝叶斯，svm，决策树与随机森林，逻辑回归2.1.2回归regression连续型数据常用算法：线性回归，岭回归2.2非监督学习数据集无标签常用算法：聚类，K
偏偏偏执先生·2023-12-17 17:40

有什么可以空闲时间做的副业推荐，分享5种空闲时间可以做的副业

3.在线教育如果你擅长某个领域，可以考虑在平台如Udemy、Coursera或VIPKid上创建和销售在线课程。4.自制手工艺品如果你喜欢手工艺品制
黑鲨阁软件·2023-12-17 02:02

既然入世，则应努力行事

next=/dashboard%3Ffrom%3Dsinglemessagecoursera:operatingsystem
常惭愧入世修行者·2023-12-16 17:26

机器学习笔记 - 了解学习率对神经网络性能的影响

一、简述深度学习神经网络使用随机梯度下降优化算法进行训练。学习率是一个超参数，它控制每次更新模型权重时响应估计误差而改变模型的程度。学习率值太小可能会导致训练过程过长并可能陷入困境，而值太大可能会导致过快地学习次优权重或训练过程不稳定。配置神经网络时，学习率是重要的超参数。因此，了解学习率对模型性能的影响很有价值。训练期间权重更新的量称为步长或“学习率”。二、不同学习率的评估在此示例中，我们从1E
坐望云起·2023-12-16 14:33

【鸿蒙学习网络】

在线课程：一些在线学习平台提供了鸿蒙技术开发的课程，例如华为云学院（https://education.huaweicloud.com/）、Coursera（https://w
小陀螺丫丫·2023-12-16 04:26

机器学习笔记：linear scaling learning rate （学习率 和batch size的关系）

在训练神经网络的过程中，随着batchsize的增大，处理相同数据量的速度会越来越快，但是达到相同精度所需要的epoch数量越来越多换句话说，使用相同的epoch数量时，大batchsize训练的模型与小batchsize训练的模型相比，验证准确率会减小——>提出了linearscalinglearningrate在mini-batchSGD训练时，增大batchsize不会改变梯度的期望，但是会
UQI-LIUWJ·2023-12-15 12:59

单变量线性回归的机器学习代码

本文为学习吴恩达版本机器学习教程的代码整理，使用的数据集为https://github.com/fengdu78/Coursera-ML-AndrewNg-Notes/blob/f2757f85b99a2b800f4c2e3e9ea967d9e17dfbd8
ShawnWeasley·2023-12-14 22:59

Business Metrics for Data-Driven Companies

https://www.coursera.org/learn/analytics-business-metricsWhatareBusinessMetrics?
可苟可远·2023-12-14 16:47

2019-5-3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.看写作的书2.陪读3.跟读改进：1.写作加思考2.陪读更有挑战性3.做好自己的英语学习，不要轻易输给时间习惯养成：1.早起2.少食＋跑步周目标·完成进度Coursera0%
yesifeng·2023-12-06 14:37

【23-24 秋学期】NNDL 作业11 LSTM

习题6-4推导LSTM网络中参数的梯度，并分析其避免梯度消失的效果习题6-3P编程实现下图LSTM运行过程李宏毅机器学习笔记：RNN循环神经网络_李宏毅rnn笔记_ZEERO~的博客-CSDN博客https
HBU_David·2023-12-04 15:03

机器学习笔记 - 什么是3D语义场景完成/补全？

一、什么是3D语义场景补全？3D语义场景完成（SemanticSceneCompletion）是一种机器学习任务，涉及以体素化形式预测给定环境的完整3D场景(完成3D形状的同时推断场景的3D语义分割的任务)。这是通过使用深度图和为场景提供上下文的可选RGB图像来完成的。目标是以一种可轻松用于各种应用的方式提供环境的准确表示。这项任务的关键是场景的语义方面。输出中的每个体素代表环境中的某个物体或障碍
坐望云起·2023-12-04 06:29

机器学习笔记-支持向量机

文章目录前言一、支持向量机介绍二、线性可分SVM2.1.SVM数学模型的推导2.2.拉格朗日数乘法与对偶问题转换2.3.线性可分SVM学习算法三、线性不可分SVM3.1.线性不可分与软间隔3.2.线性不可分SVM学习算法四、非线性SVM4.1.非线性分类问题4.2.核函数4.3.非线性SVM学习算法总结前言  终于到支持向量机这一分类算法了，支持向量机是所有入门机器学习小伙伴必须掌握的算法之一，我
复杂混沌·2023-12-03 19:50

机器学习笔记(九)——手撕支持向量机SVM之间隔、对偶、KKT条件详细推导

SVM概述支持向量机(SVM)是一种有监督的分类算法，并且它绝大部分处理的也是二分类问题，先通过一系列图片了解几个关于SVM的概念。上图中有橙色点和蓝色点分别代表两类标签，如果想要将其分类，需要怎么做呢？可能有的伙伴会想到上一篇文章讲到的逻辑回归拟合决策边界，这肯定是一种不错的方法，本文所讲的SVM也是可以解决这种分类问题的；既然都是分类算法，所以通过一个例子可以比对出二者的相同点和不同点。超平面
奶糖猫Esong·2023-12-03 19:49

2019-3-27晨间日记

起床：早上六点就寝：晚上十点十分任务清单昨日完成的任务，最重要的三件事：1.Coursera50%2.为闺蜜点赞3.陪娃讲故事改进：1.Coursera的内容需尽快结束2.写文章要坚持3.书该换了习惯养成
yesifeng·2023-12-03 08:42

深度学习-yolo目标检测-机器学习-计算机视觉-python学习路线（呕心沥血出品-绝对精品-附资源链接）

opencv课程链接：PythonforComputerVisionwithOpenCVandDeepLearning资料推荐：书籍：《数字图像处理》-冈萨雷斯、伍兹在线课程：Coursera上的DigitalSignalProcessin
阿利同学·2023-12-03 00:09

机器学习笔记 - 基于百度飞桨PaddleSeg的人体分割模型以及TensorRT部署说明

一、简述虽然SegmentAnything用于图像分割的通用大模型看起来很酷（飞桨也提供分割一切的模型），但是个人感觉落地应用的时候心里还是更倾向于飞桨这种场景式的，因为需要用到一些人体分割的需求，所以这里主要是对飞桨高性能图像分割开发套件进行了解和使用，但是暂时不训练，因为搞数据集挺费劲。PaddleSeg内置45+模型算法及140+预训练模型。最新发布HumanSeglite模型超轻量级人像分
坐望云起·2023-12-02 18:34

李宏毅老师机器学习课程笔记_ML Lecture 1: ML Lecture 1: Regression - Demo

视频链接（bilibili）：李宏毅机器学习(2017)另外已经有有心的同学做了速记并更新在github上：李宏毅机器学习笔记(LeeML-Notes)所以，接下来我的笔记只记录一些我自己的总结和听课当时的
leogoforit·2023-12-02 17:21

机器学习笔记 - week6 -（十、应用机器学习的建议）

10.1决定下一步做什么假设我们需要用一个线性回归模型来预测房价，当我们运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？获得更多的训练样本——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尝试增加正则化程度我们不应该随机选择上面的某种方法来改进我们的算法，而是运用一些
火箭蛋头·2023-12-02 16:14

2018-08-22碎碎念

今天邮件收到了coursera发来的收费确认信，原来选的课要收费续费，赶紧取消了，之后再选课去edx看吧，那儿至少暂时还是免费的。
适说心语·2023-12-02 15:56

程序员零基础，Scala系统进行入门和实战的最佳打法

此外，也可以参考一些在线教程或视频课程，如Coursera上的《FunctionalProgrammingP
沃威2268731·2023-12-02 00:24

科技与教育：未来教育的新趋势

一、科技在教育中的应用在线学习平台：通过平台如Coursera、KhanAcademy等，学生可以随时随地访问大量教育资源，实现自主学习。
智慧服务·2023-11-30 22:05

bioconductor coursera学习资源打包

​随便扯几句，在我们生信分析中bioconductor包对我们的帮助是非常大的，可谓是生信里面必学的系列，今天考虑到coursera课程需要翻出去才能看的原因，所以在这里把视频给下载下来了。
热衷组培的二货潜·2023-11-29 17:49

在线教育的诸多可能性

在过去的两周笔者学习了桑新民教授在Coursera的课程《网络课程与学习评价》，这门课程发布于2016年，其主要内容为桑教授在过去的十几年当中的在线教育认知及教育研究成果。
阿欣_8ed8·2023-11-29 15:45

Coursera-吴恩达机器学习课程个人笔记-Week2

Week2线性回归和梯度下降法参数说明1.多特征的线性回归方程2.梯度下降法(GradientDescent)2.1如何选择参数向量θ呢？2.2优化梯度下降法的方法  1).特征缩放(特征标准化)  2).学习率α的选择2.3批量梯度下降算法和随机梯度下降算法3.线性回归的“非线性拟合”4.目标函数J(θ)的最小值的线性代数求法(了解)4.1目标函数J(θ)的最小值求解过程：4.2梯度下降法和线代
lavendelion·2023-11-28 15:22

机器学习笔记4：Logistic 回归模型

Logistic回归的基本原理logistic回归的优化算法前言：在分类任务中，我们是通过从输入xxx到输出yyy的映射fff的模型得出来的：y^=f(x)=argmaxp(y=c∣x,D)\hat{y}=f(x)=argmaxp(y=c|\mathbf{x},D)y^=f(x)=argmaxp(y=c∣x,D)其中，我们定义yyy为离散值，其取值范围称之为标签空间：y={1,2,..,C}y=\
陆撄宁·2023-11-28 15:50

2019-3-5晨间日记

最重要的三件事：1.完成方案二2.陪宝宝坚持英文阅读3.梁宁产品思维30讲改进：1.方案根据产品思维做调整，加入英语故事2.英文阅读的游戏3.阅读内容用起来习惯养成：1.坚持英语跟读2.坚持跑步周目标·完成进度Coursera10%
yesifeng·2023-11-28 10:43
上一页 1 2 3 4 5 6 7 8 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他