MachineLearning
文章平均质量分 73
Cowry5
这个作者很懒,什么都没留下…
展开
-
吴恩达机器学习作业Python实现(二):logistic回归
## 1 Logistic regression在这部分的练习中,你将建立一个逻辑回归模型来预测一个学生是否能进入大学。假设你是一所大学的行政管理人员,你想根据两门考试的结果,来决定每个申请人是否被录取。你有以前申请人的历史数据,可以将其用作逻辑回归训练集。对于每一个训练样本,你有申请人两次测评的分数以及录取的结果。为了完成这个预测任务,我们准备构建一个可以基于两次测试评分来评估录取可能性的分...原创 2018-05-08 23:25:10 · 31630 阅读 · 144 评论 -
GBDT、Xgboost、LightGBM对比,异同点,并行策略
阐述GBDT、xgboost、lightGBM的异同,xgb的优势,lgb的优势,二者的并行如何实现。1 XGBoost 与 GBDT 异同传统 GBDT 以 CART 作为基分类器,XGboost 还支持线性分类器,这时 XGboost 相当于带 L1 和 L2 正则化项的逻辑斯蒂回归(分类问题)或者线性回归(回归问题)。传统 GBDT 在优化时只用到一阶导数信息,xgboost 则对代...原创 2018-10-23 09:39:13 · 6213 阅读 · 1 评论 -
吴恩达机器学习作业Python实现(八):异常检测和推荐系统
1 Anomaly detection这部分,您将实现一个异常检测算法来检测服务器计算机中的异常行为。他的特征是测量每个服务器的响应速度(mb/s)和延迟(ms)。当你的服务器运行时,你收集到了m=307的样本,是无标签的。你相信其中绝大多数样本是正常的,但还是有一小部分的样本是异常的。我们将使用高斯分布模型来检测数据集中的异常样本。% matplotlib inlineimpo...原创 2018-06-01 18:24:16 · 6289 阅读 · 22 评论 -
吴恩达机器学习作业Python实现(七):K-means和PCA主成分分析
1 K-means Clustering在这个练习中,您将实现K-means算法并将其用于图像压缩。通过减少图像中出现的颜色的数量,只剩下那些在图像中最常见的颜色。1.1 Implementing K-means1.1.1 Finding closest centroids在K-means算法的分配簇的阶段,算法将每一个训练样本 xixix_i 分配给最接近的簇中心。...原创 2018-05-29 22:45:01 · 9396 阅读 · 27 评论 -
吴恩达机器学习作业Python实现(五):偏差和方差
在本练习中,您将实现正则化的线性回归和多项式回归,并使用它来研究具有不同偏差-方差属性的模型1 Regularized Linear Regression 正则线性回归在前半部分的练习中,你将实现正则化线性回归,以预测水库中的水位变化,从而预测大坝流出的水量。在下半部分中,您将通过一些调试学习算法的诊断,并检查偏差 v.s. 方差的影响。1.1 Visualizing the ...原创 2018-05-23 16:19:45 · 7619 阅读 · 39 评论 -
吴恩达机器学习作业Python实现(六):SVM支持向量机
1 Support Vector Machines1.1 Example Dataset 1%matplotlib inlineimport numpy as npimport pandas as pdimport matplotlib.pyplot as pltimport seaborn as sbfrom scipy.io import loadmatfrom s...原创 2018-05-26 22:59:21 · 11750 阅读 · 27 评论 -
吴恩达机器学习作业Python实现(四):神经网络(反向传播)
1 Neural Networks 神经网络在这个练习中,你将实现反向传播算法来学习神经网络的参数。依旧是上次预测手写数数字的例子。1.1 Visualizing the data 可视化数据这部分我们随机选取100个样本并可视化。训练集共有5000个训练样本,每个样本是20*20像素的数字的灰度图像。每个像素代表一个浮点数,表示该位置的灰度强度。20×20的像素网格被展开成一个4...原创 2018-05-21 22:51:14 · 13448 阅读 · 54 评论 -
BP(反向传播)神经网络
这篇文章主要讨论神经网络的反向传播的细节,“误差”是如何反向传播的,我们又是如何利用梯度来优化参数的。原创 2018-05-18 23:51:34 · 5276 阅读 · 16 评论 -
吴恩达机器学习作业Python实现(三):多类分类和前馈神经网络
在此练习中,我们将使用logistic回归和神经网络来识别手写数字(0到9)。1 多类分类(多个logistic回归)我们将扩展我们在练习2中写的logistic回归的实现,并将其应用于一对多的分类(不止两个类别)。import numpy as npimport pandas as pdimport matplotlib.pyplot as pltfrom sc...原创 2018-05-18 17:57:42 · 16828 阅读 · 88 评论 -
吴恩达机器学习作业Python实现(一):线性回归
单变量线性回归在本部分的练习中,您将使用一个变量实现线性回归,以预测食品卡车的利润。假设你是一家餐馆的首席执行官,正在考虑不同的城市开设一个新的分店。该连锁店已经在各个城市拥有卡车,而且你有来自城市的利润和人口数据。 您希望使用这些数据来帮助您选择将哪个城市扩展到下一个城市。%matplotlib inlineimport numpy as npimport pandas as...原创 2018-05-03 00:14:32 · 64505 阅读 · 77 评论 -
吴恩达机器学习与深度学习作业目录 [图片已修复]
吴恩达机器学习作业目录1 吴恩达机器学习作业Python实现(一):线性回归2 吴恩达机器学习作业Python实现(二):logistic回归3 吴恩达机器学习作业Python实现(三):多类分类和前馈神经网络4 吴恩达机器学习作业Python实现(四):神经网络(反向传播)BP(反向传播)神经网络5 吴恩达机器学习作业Python实现(五):偏差和方差6 吴恩达机器学习作业Py...原创 2018-10-23 10:03:59 · 65609 阅读 · 27 评论