吴恩达机器学习课笔记week 4

最新推荐文章于 2024-12-28 16:25:21 发布
原创 最新推荐文章于 2024-12-28 16:25:21 发布 · 429 阅读 · 0 ·
CC 4.0 BY-SA版权
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。

本文探讨了非线性假设的重要性，特别是在面对高维数据时如何有效减少特征数量的问题。通过实例说明了即使简单的二次特征也会导致特征数量呈指数级增长。进而引入神经网络的概念，解释其在网络表示方面的关键作用。

本周将的是非线性Hypothesis。

为什么需要non-linear hypothesis？

  如果我们只是用多项式来表达的话，特征数会以多项式的复杂度上升。比方说有N个输入，2次的特征，那么我们就需要O(N^2)个特征，3次的话，就需要O(N^3)个，这个增长率实在是太夸张了。比方说一个图像，50x50 = 2500个像素，即使是使用平方的feature，也需要近3 million个特征。

神经网络

神经网络其实之前有专项课，所以这里就把主要的东西说一下。
一个是表示：
这里写图片描述
上标表示层数，下表表示某一层的第几个。

示例

这里写图片描述

多类别 one vs all

这里写图片描述
这里写图片描述

Coursera吴恩达机器学习week4笔记
loserChen的博客
02-08 640
Large Margin Classification Optimization Objective svm： Large margin intuition Mathematics Behind Large Margin Classification Kernels Kernels1 定义决策边界对应的函数是Θ0+Θ1f1+Θ2f2+Θ3f3，其中f1、f2和f3就是相似度函数。 下图给定...
吴恩达机器学习（Machine Learning）课程总结笔记---Week4
CSDN_SUSAN的博客
05-22 979
文章目录0 概述1. 课程大纲2. 课程内容3. 课后编程作业4. 总结 0 概述 1. 课程大纲 本周课程大纲如下图所示： 2. 课程内容 3. 课后编程作业 4. 总结
机器学习_吴恩达_week4（神经网络表示）
山野村夫pro的专栏
01-21 553
目录 一、神经网络表示 1.1 非线性模型 1.2 神经元与大脑 1.3 模型表示1 1.4 模型表示2 1.5 特征和直观解释1 1.6 样本和直观解释2 1.7 多类分类问题 一、神经网络表示 1.1 非线性模型 当有两个特征时，逻辑回归模型表现得很好，很多特征呢？ 假设有100个特征，那么 1. 任意两两特征组合，约有5000个，O() 2. 任意三个特征组合，约有1...
coursera-Machine Learning--吴恩达-week4--学习笔记--神经网络
yyxyuxueYang的博客
08-11 632
1 神经网络提出 前面所学线性回归和逻辑回归，在面对以下问题时，并不能很好的画出分类边界： 这类问题是非线性的（多项式回归），但是这种函数会因为特征量的增多导致二次项数的剧增。 比如在图像识别中，一个50×50像素的图片，拥有的特征量为2500，那么它的二次项数为2500*2500/2,大约为3百万个。 基于以上情况，提出神经网络。 2神经网络算法 2.1 神经元 神经网络由...
Stanford 机器学习 Week4 作业 Multi-class Classification and Neural Networks
Baoli1008的专栏
02-22 2782
Vectorizing regularized logistic regressionm = length(y); % number of training examples J = 0; grad = zeros(size(theta)); J = sum( -y .* log(sigmoid(X*theta)) - (1 - y) .* log(1 - sigmoid(X*theta))) /
精选资源
吴恩达机器学习课后作业源码及笔记_机器学习_吴恩达_
10-01
今天，我们所要探讨的，是那些有幸参与了吴恩达机器学习课程的同学们所珍藏的宝贵资料——“吴恩达机器学习课后作业源码及笔记”。这份资料集作业解答和编程代码于一体，对于那些已经或正在学习吴恩达课程的朋友们来...
吴恩达机器学习课程笔记week1
最新发布
linjinshu1的博客
12-28 1806
有监督学习(Supervised learning)：实际应用中，有监督学习使用最广泛，并取得了最快速的进步和创新。Course1、Course2聚焦于有监督学习。无监督学习(Unsupervised learning)：Course3聚焦于无监督学习。强化学习(Reinforcement learning)：由于应用没有前两者广泛，所以本课程没有简单介绍。使用“学习算法”的实用建议（很重要）：“学习算法”本身只是一种工具，比工具本身更重要的是 如何正确使用这些工具。
机器学习吴恩达2022课程笔记——高级学习篇
weixin_62701031的博客
02-04 1207
由于在B个样本的训练集可能会在根节点和根节点附近的一些节点选择相同特征，故采用在每个节点上，当选择一个特征用于分割时，如果有n个特征可用，则选择k
吴恩达 机器学习 每周总结官方版 week1-week10 适合打印复习，和课上的讲义不同，这个更精准一点。适合打印
03-29
吴恩达的机器学习课程是全球范围内广受欢迎的在线教育项目，由世界知名的人工智能...每个章节都经过精心整理，确保每个知识点的准确无误，对于想要系统复习吴恩达机器学习课程的人来说，这是一个不可或缺的参考资料。
Coursera-吴恩达-机器学习-（第4周笔记）Neural Networks——Representation
malele4th
01-14 1393
此系列为 Coursera 网站Andrew Ng机器学习课程个人学习笔记（仅供参考） 课程网址：https://www.coursera.org/learn/machine-learning Week 4 —— Neural Networks : Representation 目录 Week 4 Neural Networks Representation 目录 一 前
Coursera Machine Learning 第四周week4 ex3NeuralNetworks编程全套满分题目+注释
12-06
Coursera Machine Learning 第四周week4 ex3Multi-class Classication and Neural Networks编程全套满分题目+注释
Coursera-吴恩达机器学习课程个人笔记-Week4
Lavendelion的博客
08-26 549
Week4 神经网络11.非线性模型——神经网络(Neural Networks)介绍2.神经网络的数学表达2.1术语和参数说明2.2 神经网络的计算3 神经网络的简单案例3.1实现AND、OR、NOT等案例3.2实现XNOR功能3.3 神经网络处理多分类问题 1.非线性模型——神经网络(Neural Networks)介绍   线性回归和逻辑回归可以解决非线性模型，为什么还需要神经网络？   因...
Coursera机器学习基石笔记week4
loserChen的博客
11-10 430
Feasibility of Learning Learning is Impossible？ 我们想要在D以外的数据中更接近目标函数似乎是做不到的，只能保证对D有很好的分类结果。机器学习的这种特性被称为没有免费午餐（No Free Lunch）定理。NFL定理表明没有一个学习算法可以在任何领域总是产生最准确的学习器。不管采用何种学习算法，至少存在一个目标函数，能够使得随机猜测算法是更好的算法。 ...
【吴恩达机器学习笔记】week4：神经网络
Jack_Kuo的博客
12-28 451
本节内容主要讲了以下几件事儿 1.为什么神经网络好？ 线性回归还是逻辑回归都有这样一个缺点，即：当特征太多时，计算的负荷会非常大。 2.我们需要知道的:公式每个字符代表的含义以及公式怎么推导的 神经网络模型是许多逻辑单元按照不同层级组织起来的网络，每一层的输出变量都是下一层的输入变量。下图为一个3层的神经网络，第一层成为输入层（Input Layer），最后一层称为输出层（Output Layer...
机器学习笔记week4(Andrew NG)
ice_martin的博客
08-28 1086
机器学习笔记week4(Andrew NG)martin机器学习笔记week4Andrew NG 概念介绍 神经网络单元 神经网络结构 前向算法 原理与应用 神经网络解决的问题 神经网络多分类概念介绍神经网络单元如图所示，每一个神经元(输入层除外)都是一个逻辑回归模型，也即为感知机。神经网络结构神经网络一般有三个模块或者层次。分别是输入层、隐含层、输出层。这里需指出的是隐含层往往不只有一层。除输出层
吴恩达MachineLearning-Week4
bethsuki的博客
02-29 469
原笔记网址：https://scruel.gitee.io/ml-andrewng-notes/week1.html 红色字体为自己的标注、绿色字体为自己的感想。 目录 8 神经网络：表达(Neural Networks: Representation) 8.1 非线性假设(Non-linear Hypotheses) 8.2 神经网络和大脑(Neurons and the Brain)...
《机器学习-吴恩达》课程笔记week4
SofiaT的博客
05-03 1374
简单神经网络
Coursera机器学习-Week 4-编程作业:Multi-class Classification and Neural Networks
逐梦者
07-08 2255
这周入职开始工作了，周末也要重新规划了……不知道以后还有没有周末了。 这周的任务是处理分类器，一共十个数字，0∼90∼90 \sim 9，需要识别手写数字。任务提供了很多训练数据，每个数据都是来自于 20x2020x2020 x 20 像素的图片，构成一个 1x4001x4001 x 400 的向量。 另外，yyy 是对应的数字的状态，而 000 会映射成 101010。 1.3.3 lrC...
吴恩达 Machine Learning week4--quiz4--Neural Networks: Representation课后习题
yyxyuxueYang的博客
08-10 2637
Which of the following statements are true? Check all that apply. Suppose you have a multi-class classification problem with three classes, trained with a 3 layer network. Let a^{(3)}1 = (h\Theta(...
吴恩达机器学习个人笔记v5深度解析
吴恩达（Andrew Ng），作为机器学习领域的权威专家，他的课程和研究成果对全球机器学习社区产生了深远的影响。吴恩达不仅在学术界有着重要的地位，还在业界有着广泛的影响力。黄海广作为合作伙伴，在机器学习领域也...
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
表情包 代码片
 条评论被折叠 查看
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
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