coursera机器学习笔记第8页

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

机器学习笔记之最优化理论与方法(三)凸集的简单认识(下)

机器学习笔记之最优化理论与方法——凸集的简单认识[下]引言回顾：基本定义——凸集关于保持集合凸性的运算仿射变换凸集基本性质：投影定理点与凸集的分离支撑超平面定理引言继续凸集的简单认识(上)进行介绍，本节将介绍凸集的基本性质以及相关定理

静静的喝酒·2023-09-04 10:53

机器学习笔记之最优化理论与方法(五)凸优化问题(上)

机器学习笔记之最优化理论与方法——凸优化问题[上]引言凸优化问题的基本定义凸优化定义：示例凸优化与非凸优化问题的区分局部最优解即全局最优解凸优化问题的最优性条件几种特殊凸问题的最优性条件无约束凸优化等式约束凸优化非负约束凸优化引言本节将介绍凸优化问题

静静的喝酒·2023-09-04 10:22

机器学习笔记 - 什么是多模态深度学习？

一、概述人类使用五种感官来体验和解释周围的世界。我们的五种感官从五种不同的来源和五种不同的方式捕获信息。模态是指某事发生、经历或捕捉的方式。人工智能正在寻求模仿人类大脑，终究是跳不出这具躯壳的限制。人脑由可以同时处理多种模式的神经网络组成。想象一下进行对话——您的大脑神经网络处理多模式输入（音频、视觉、文本、气味）。经过深层潜意识模态融合后，您可以推理对话者所说的话、他们的情绪状态以及您/他们的周

坐望云起·2023-09-04 02:06

李宏毅机器学习笔记：RNN循环神经网络

RNN一、RNN1、场景引入2、如何将一个单词表示成一个向量3种典型的RNN网络结构二、LSTMLSTM和普通NN、RNN区别三、LSTM的训练一、RNN1、场景引入例如情景补充的情况，根据词汇预测该词汇所属的类别。这个时候的Taipi则属于目的地。但是，在订票系统中，Taipi也可能会属于出发地。到底属于目的地，还是出发地，如果不结合上下文，则很难做出判断。因此，使用传统的深度神经网络解决不了问

ZEERO~·2023-09-03 21:55

CV 开发的自我修养

CV开发者自我修养|吴恩达教程/笔记/刷题资料最全汇总书籍教程⋅sophie⋅于4个月前⋅746阅读吴恩达老师在机器学习领域的知名度是众所周知的，他在coursera平台上发布的《机器学习》课程，在国内外都可以说是机器学习入门的第一课和最热门课程

thousand_·2023-09-03 18:42

机器学习笔记之最优化理论与方法(四) 凸函数：定义与基本性质

机器学习笔记之最优化理论与方法——再回首：凸函数定义与基本性质引言凸函数的定义严格凸函数凸函数的推论：凹函数常见凸函数凸函数的基本性质几种保持函数凸性的运算凸集与凸函数之间的关联关系引言本节将介绍凸函数定义及其基本性质

静静的喝酒·2023-09-03 07:36

论文笔记：DEEP DECLARATIVE DYNAMIC TIME WARPING FOREND-TO-END LEARNING OF ALIGNMENT PATHS

DynamicTimeWarping动态时间规整（&DTW的python实现）【DDTW，WDTW】_UQI-LIUWJ的博客-CSDN博客近年来，可微DTW被广泛地研究Soft-DTW使用技巧替代min，使之可微机器学习笔记

UQI-LIUWJ·2023-09-02 05:53

Coursera极品课程——Learning How To Learn

LearningHowToLearn文章目录LearningHowToLearn前言第一单元一、集中与发散思维概论二、课程结构介绍三、使用集中与发散思维四、什么是学习?五、拖延症简介六、实践让记忆永存七、记忆简介八、睡眠对学习的重要性九、特伦斯·谢诺沃斯基博士专访十、第一单元小结十一、额外课程第二单元一、组块系列介绍二、什么是组块三、如何形成组块(一)四、如何形成组块(二)五、回顾、能力错觉、自测

是土豆大叔啊！·2023-09-01 06:34

机器学习笔记之最优化理论与方法(一)最优化问题概述

机器学习笔记之最优化理论与方法——最优化问题概述引言什么是最优化问题最优化问题的基本形式最优化问题的分类各分类最优化问题的数学表达约束优化VS无约束优化线性规划VS非线性规划连续优化VS离散优化单目标优化

静静的喝酒·2023-08-31 07:36

机器学习笔记之最优化理论与方法(二)凸集的简单认识(上)

机器学习笔记之最优化理论与方法——凸集的简单认识[上]引言凸优化问题与凸集合凸函数的关系凸优化问题简单示例凸集的简单示例基本定义：凸集关于凸集性质的等价条件，凸组合，凸包常见凸集引言本节将介绍关于凸集的基本信息

静静的喝酒·2023-08-31 07:32

机器学习笔记之核函数再回首：Nadarya-Watson核回归python手写示例

机器学习笔记之核函数再回首——Nadaraya-Watson核回归手写示例引言回顾：Nadaraya-Watson\text{Nadaraya-Watson}Nadaraya-Watson核回归通过核函数描述样本之间的关联关系使用

静静的喝酒·2023-08-30 09:37

AI培训班有存在的必要吗？

本文由【AI前线】原创，原文链接：t.cn/RY3RQEVAI前线导语：“被称为“业界良心”吴恩达在Coursera的免费机器学习课程，学员数目有超过两百万；而最近国内某人工智能教育平台创始人也在微博宣称其培训平台已经吸引到将近十万的付费学员

AI前线·2023-08-30 00:58

机器学习笔记 - 基于OpenMMLab在自定义数据集上训练RTMDet网络

一、什么是RTMDet？RTMDet是一种高效的实时目标检测器，其自报告指标优于YOLO系列。它在COCO上实现了52.8%的AP，在NVIDIA3090GPU上实现了300+FPS，使其成为当前号称最快、最准确的目标检测器之一。RTMDet与其他实时物体检测器的对比。RTMDet采用了一种在主干和颈部具有兼容能力的架构，该架构使用包含大内核深度卷积的基本构建块构建。这种设计增强了模型捕获全局上下

坐望云起·2023-08-29 19:29

机器学习笔记 - 对象/目标检测技术发展史概览

一、简述物体检测算法的发展已经取得了长足的进步，从早期的计算机视觉开始，通过深度学习达到了很高的准确度。我们首先回顾早期传统的目标检测方法：Viola-Jones检测器、HOG检测器和基于部件的方法，它们在该领域发展之初就被广泛使用。然后，逐渐转向基于两阶段和一阶段目标检测神经网络的更现代的深度学习目标检测方法：RCNN、YOLO、SSD和CenterNet。这些方法提供了一种端到端的架构，允许算

坐望云起·2023-08-29 05:27

2019-1-30晨间日记

受到了主管的当众羞辱2.和视觉沟通3.给孩子讲故事改进：1.敬业，如果要带人，就必须卖力的去加班，否则不要想带团队2.想好如何更好的用人3.给宝宝讲故事的质量要提升习惯养成：早起，但未跑步周目标·完成进度写作10%Coursera0%

yesifeng·2023-08-28 22:23

李宏毅机器学习笔记：结构学习，HMM，CRF

李宏毅机器学习笔记：结构学习，HMM，CRF1、隐马尔可夫模型HMM1.1Sequence2Sequence1.2HMM1.3Viterbi算法1.3HMM模型的缺点2、CRF2.1CRF模型2.2CRF

ZEERO~·2023-08-28 22:43

机器学习理论笔记（二）：数据集划分以及模型选择

经验误差与过拟合3训练集与测试集的划分方法3.1留出法（Hold-out）3.2交叉验证法（CrossValidation）3.3自助法（Bootstrap）4调参与最终模型5结语1前言欢迎来到蓝色是天的机器学习笔记专栏

蓝色是天·2023-08-27 23:34

推荐频道

coursera机器学习笔记