【ML】吴恩达

最新推荐文章于 2025-03-31 11:40:21 发布
最新推荐文章于 2025-03-31 11:40:21 发布
阅读量151 收藏
点赞数 1
文章标签： 机器学习
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/arispy/article/details/122924652
版权
Andrew-Ng-ML 吴恩达机器学习 编程作业（答案）
11-26
Andrew-Ng-ML 吴恩达机器学习 编程作业；If you are using Octave (>=3.8.0), or have an existing installation of MATLAB (), download this week’s programming assignment here. This ZIP-file contains the ...
Andrew-Ng-ML 吴恩达机器学习 编程作业（未包含答案）
11-26
Andrew-Ng-ML 吴恩达机器学习 编程作业；If you are using Octave (>=3.8.0), or have an existing installation of MATLAB (), download this week’s programming assignment here. This ZIP-file contains the ...
【ML吴恩达】1 机器学习和深度学习和AI的区别
BetterBench的博客
11-19 674
目录1 What is machine learning?2 How machine learning works ?3 Examples of machine learning4 Major machine learning techniques5 Difference between artificial intelligence ,Machine learing ,and deep learning6 Let's get started with machine learning Course 课程M
Andrew-Ng-ML 吴恩达机器学习 课后代码分享
持续战斗状态的博客
11-26 1004
Andrew-Ng-ML 吴恩达机器学习 课后代码分享课程链接编程作业代码分享 课程链接 你好！ 这是你第一次使用 Markdown编辑器 所展示的欢迎页。如果你想学习如何使用Markdown编辑器, 可以仔细阅读这篇文章，了解一下Markdown的基本语法知识。 编程作业 代码分享 ...
Andrew-Ng-ML 吴恩达机器学习 课后练习错题总结
持续战斗状态的博客
11-30 608
Andrew-Ng-ML 吴恩达机器学习 课后练习错题总结4 Linear Regression with Multiple Variables5 Octave/Matlab Tutorial6 Logistic Regression7 Regularization8 Neural Networks: Representation9 Neural Networks: Learning10 Advice for Applying Machine Learning11 Machine Learning Syst
【ML 吴恩达】15 基于内容和协作过滤的推荐系统引擎(Content-based or Collaborative filtering)
BetterBench的博客
12-24 502
目录1 推荐系统简介2 基于内容的推荐系统3 协作过滤推荐系统3.1 基于用户的协作过滤（User-based）3.2 基于项目的的协作过滤（Item-based）3.3 以上两者的区别3.4 协作过滤的挑战 1 推荐系统简介 （1）含义：推荐系统会尝试捕捉这些模式 和类似行为，以帮助预测您可能喜欢的其他内容。 （2）举例： • 购物推荐：电子书、书、电影… • 在社交媒体上，网站，如 Facebook 或领英，定期推荐友谊。 推荐系统甚至可以用来个性化您的网络体验。 （3）驱动因素分类 基于内容的推荐
[原创]ML吴恩达系列习题解答6_machine_learning_ex8
江东风又起
06-27 363
做完这套题，ML吴老师系列习题解答也就告一段落了，先谢谢大家。 直奔主题吧： 第一部分： 1.实现estimateGaussian，就是计算一个正态分布的数据的均值和方差 % ====================== YOUR CODE HERE ====================== % Instructions: Compute the mean of the data and t...
【ML 吴恩达】14 DB&SCAN 聚类举例介绍-简单易懂
BetterBench的博客
12-17 1012
1 密度聚类 （1）大多数传统的聚类技术（例如K-Means，分层聚类和模糊聚类）可用于以无人监督的方式对数据进行分组。 但是，当应用于具有任意形状的群集或群集中的群集的任务时，传统技术可能无法获得良好的结果，也就是说，同一群集中的元素可能没有足够的相似性，或者性能可能很差。 （2）在传统的聚类算法中，会把一些异常点也会分类进一个簇中，但是利用密度聚集算法，不在规定半径范围内的异常点，是能够区分开的。 2 DBSCAN （1）是密度聚类算法的一种，对于上下文的分类非常有效，能够找到任意形状的聚类，而不会
【ML 吴恩达】9 逻辑回归
BetterBench的博客
11-30 189
目录1 简介2 逻辑回归的应用3 逻辑回归的适用范围4 逻辑回归与线性回归的区别联系5 逻辑回归训练 1 简介 概念： 是分类变量的分类算法 2 逻辑回归的应用 （1）预测某人是否有心脏病 （2）预测病人的致死率 （3）预测用户的购买意向 （4）预测工程或产品的失败率 （5）预测房主拖欠抵押贷款的可能性 3 逻辑回归的适用范围 （1）两面性的问题 （2）需要计算可能性 （3）需要一个线性决策边界 （4）需要理解某个功能的影响 4 逻辑回归与线性回归的区别联系 • 线性回归和逻辑回归都是广义线性回归模型的特
【ML 吴恩达】13 层次聚类简介及举例介绍
BetterBench的博客
12-16 2061
1 简介 层次聚类算法是建立簇的层次，每个结点是一个簇，且又包含了子簇结点。层次聚类算法包括聚集聚类算法和分裂聚集算法。分裂聚集是从一个大的簇划分为小的结点。而聚集聚类是反过来的，从单个结点到一个大的簇。 2 举例介绍聚集聚类 吴恩达老师特别形象的用以下计算几个地方的最佳距离之和的例子，说明了聚集聚类的算法过程。 （1）根据计算点与点之间的具体，做成一个表格。以下中的OT-MO的距离最短，只有167.那就以这两个结点作为树的结点。类似数据结构中生成哈夫曼树的过程。 （2）然后合并两个点，取两个点连线的中
【ML吴恩达】5 简单回归中的均方误差MSE
BetterBench的博客
11-20 1422
目录1 Using linear regression to predict continuous values2 Linear regression topology3 How does linear regression work?4 Linear regression model representation5 How to find the best fit?6 Estimating the parameters7 Predictions with linear regression8 Pros o
【ML吴恩达】3 有监督学习和无监督学习
BetterBench的博客
11-19 239
目录1 What is supervised learning ?2 What is unsupervised learning?3 What is clustering?4 Supervised VS unsupervised learning Course 课程Machine learning with python 1 What is supervised learning ? （1）we teach the model then with that knowledge.it can predict
吴恩达机器学习作业-Notes-ML-AndrewNg-master.zip
01-03
《吴恩达机器学习作业-Notes-ML-AndrewNg-master》是针对吴恩达教授的机器学习课程的一份详尽的学习资源，包含了他在课程中所讲授的重要概念、理论和实践练习。吴恩达教授是斯坦福大学的计算机科学家，也是在线教育...
吴恩达机器学习全套PPT课件以及批注.zip
08-14
吴恩达机器学习全套PPT课件以及批注
吴恩达机器学习作业
03-29
吴恩达的机器学习课程的python语言代码，包括大佬改进的代码，jupyter notebook完美运行
机器学习与深度学习4：数据集处理Dataset，DataLoader，batch_size
gr1423428723的博客
03-27 784
Bach：表示每次喂给模型的数据Epoch：表示训练一次完整数据集数据的过程当一个数据集的大小为10时，设定batch大小为5，那么这个数据就会分为2份，每份大小为5，依次投入到模型中进行训练。训练完所有数据后，就叫做一次迭代，称为epoch。
从物理学到机器学习：用技术手段量化分析职场被动攻击行为
SiArch的博客
03-28 1333
通过将物理学原理与机器学习技术相结合，我们不仅可以量化分析职场中的被动攻击行为，还能构建智能化的预警和应对系统。这种技术手段的应用需要遵循"AI for Good"的原则，在提升组织效率的同时，也要注重保护员工权益，最终实现人机协同的智慧型组织进化。
（二）机器学习---常见任务及算法概述
最新发布
m0_64461937的博客
03-31 854
人工智能一个分支和实现方式，研究计算机怎样模拟或实现人类的学习行为以获取新的知识或技能，重新组织已有的知识结构来改善计算机系统自身的性能。
机器学习——集成学习框架(GBDT、XGBoost、LightGBM、CatBoost)、调参方法
qq_64296768的博客
03-27 1168
使得模型效果更好，那么我怎么更好的去寻找到满足前提条件中最好的值(即这个前提条件是最优的)，此时寻找的方法就可以使用高斯过程，找到这个最好的前提条件值，此时就只需要对另外一个参数2做考虑即可，迭代参数2的范围，找到模型性能最好的那组对应的超参数组合。幸运的是，目前这个好理解但实现复杂的方法已经被封装在。其高斯过程的核心是对已有的数据点预测区域进行函数建模，求其不确定性和概率分布，对其中概率较大的区间的进行迭代，使得模型的损失达到最低时对应的超参数组合选择，但是这种方式比较消耗计算资源。
吴恩达机器学习编程作业指南
标题中提到的“Andrew-Ng-ML 吴恩达机器学习 编程作业”指的是由吴恩达（Andrew Ng）教授所设计的机器学习课程中的编程作业。吴恩达是机器学习领域的著名专家，他曾在斯坦福大学任教，并在Coursera上开设了广受欢迎...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

洋气月

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值