- 博客(9)
- 资源 (2)
- 收藏
- 关注
RSS订阅
原创 吴恩达机器学习--中文笔记--第一周
吴恩达机器学习第一个星期1.欢迎和介绍1.1机器学习的定义和类型1.2监督学习1.3无监督学习2.模型和代价函数2.1模型的表示2.2代价函数第一个星期1.欢迎和介绍1.1机器学习的定义和类型一个计算机程序被称为从经验E中学习关于某类任务T和性能度量P的经验，如果它在T中的任务（用P度量）的性能随着经验E而提高。其中（把它看做闯关游戏）：E是多次任务副本的经验T是过任务副本本身P是玩家过任务副本评级一般来讲，机器学习分为无监督学习和监督学习，虽然现在也有所谓的半监督学习，但都是在这基础上
2020-07-14 16:42:30
262
原创 吴恩达机器学习--中文笔记--第五周
吴恩达机器学习第五个星期1.代价函数与反向传播1.1代价函数参考文献本文是在学习吴恩达老师机器学习课程的基础上结合老师的ppt文献然后加上自身理解编写出来的，有些地方可能有遗漏或错误，欢迎大家批评指正。希望我们一起学习，一起进步！第五个星期1.代价函数与反向传播1.1代价函数首先，我们需要定义一些后面用到的变量：L = 神经网络的层数sl=s_l=sl=第lll层的单元数（不包括偏置单元）K = 输出单元数/类别数神经网络听起来高大上，其实就是逻辑回归的复杂版。值得注意的一点是，我们用
2020-08-21 14:54:42
222
原创 吴恩达机器学习--编程作业--第四周
本次编程作业是吴恩达机器学习课程的第四周的编程作业，也是本课程的第三次编程作业。该代码为matlab代码，可以直接运行，亲测提交成绩满分，供大家参考。PS：最近升级了matlab版本至2020a版，亲测win10下成功提交，近几年的matlab版本应该都能提交。源码地址如下（csdn下载积分自动增加，就不上传了。大家去我的Github下载吧）：Github：源码(Code)....
2020-08-16 17:01:39
288
原创 吴恩达机器学习--中文笔记--第四周
吴恩达机器学习第四个星期1.诱因和动机1.1非线性假设函数本文是在学习吴恩达老师机器学习课程的基础上结合老师的ppt文献然后加上自身理解编写出来的，有些地方可能有遗漏或错误，欢迎大家批评指正。希望我们一起学习，一起进步！第四个星期1.诱因和动机从这里开始进入神经网络的世界，所以首先介绍一下引入的原因作为一个承上启下的铺垫。1.1非线性假设函数当我们面对输入特征超多的情况下，再用前面所学的一般情况下的线性回归或逻辑回归的方法进行处理，还能行的通吗？事实告诉我们，不行了，为啥呢，这里，我们假设有一
2020-08-15 14:34:30
282
原创 吴恩达机器学习--编程作业--第三周
本次编程作业是吴恩达机器学习课程的第三周的编程作业，也是本课程的第二次编程作业。该代码为matlab代码，可以直接运行，亲测提交成绩满分，供大家参考。PS：另外在提交时出现问题的同学，可以尝试用octave4.2.1提交，亲测win10下成功提交。Octave下载地址：Octave官网源码地址如下：CSDN：源码(Code).Github：源码(Code)....
2020-08-10 14:18:55
331
原创 吴恩达机器学习--中文笔记--第三周
吴恩达机器学习第三个星期1.分类和表示1.1 分类1.2 假设的表示1.3决策边界2.逻辑回归（Logistic Regression）模型2.1代价函数2.2简易的代价函数和梯度下降方法2.3高级优化方案本文是在学习吴恩达老师机器学习课程的基础上结合老师的ppt文献然后加上自身理解编写出来的，有些地方可能有遗漏或错误，欢迎大家批评指正。希望我们一起学习，一起进步！第三个星期1.分类和表示1.1 分类一般来说，分类算法可以应用在以下领域，这里有三个例子：邮件分类：垃圾邮件/正常邮件？在线交易
2020-08-09 10:35:44
195
原创 吴恩达机器学习--编程作业--第二周
本次编程作业是吴恩达机器学习课程的第二周的编程作业，也是本课程的第一次编程作业。该代码为matlab代码，可以直接运行，亲测提交成绩满分，供大家参考。PS：另外在提交时出现问题的同学，可以尝试用octave4.2.1提交，亲测win10下成功提交。源码地址如下：CSDN：源码(Code).Github：源码(Code)....
2020-07-23 15:50:38
381
原创 吴恩达机器学习--中文笔记--第二周
吴恩达机器学习第二个星期1.多变量线性回归1.1多特征本文是在学习吴恩达老师机器学习课程的基础上结合老师的ppt文献然后加上自身理解编写出来的，有些地方可能有遗漏或错误，欢迎大家批评指正。希望我们一起学习，一起进步！第二个星期1.多变量线性回归第一周大部分在单变量（单特征）的基础上来初步介绍什么是机器学习，但随着研究的深入，我们发现，在现实生活中，多因素一直是这个世界的基调，所以我们必须去学习多变量的线性回归。1.1多特征$x_j^{(i)} &= \text{value of feat
2020-07-19 17:01:30
159
吴恩达机器学习第二次编程作业原创答案源码machine-learning-ex2-finished.zip
2020-08-09
吴恩达机器学习第一次编程作业原创源码答案machine-learning-ex1.zip
2020-07-23
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人