机器学习
文章平均质量分 71
wowo_zZ
这个作者很懒,什么都没留下…
展开
-
【机器学习】手写神经网络处理MNIST数据集
MNIST数据集是人工智能大佬Yann LeCun给出的一套手写数字的数据集,训练集包含60,000个样本和标注,测试集包含10,000个样本和标注。可以给新手用来练手用。在上篇文章中,有讲到如何解析数据集,并使用pyplot绘制数据集中的数字,在这篇文章中,将一句吴恩达的《Machine Learning》课程中对神经网络的讲解,使用python来手写神经网络,实现对测试集的测试。使用的库numpy:python科学计算库sklearn.preprocessing.OneHotEncoder.原创 2021-07-04 10:13:27 · 343 阅读 · 2 评论 -
【机器学习】使用pyplot绘制MNIST数据集中的手写数字
MNIST数据集是人工智能大佬Yann LeCun给出的一套手写数字的数据集,训练集包含60,000个样本和标注,测试集包含10,000个样本和标注。可以给新手用来练手用。数据集表示标注:数字分为0-9,总共10个数字,标注也是从0-9,分别对应0-910个数字;图片:将每张图片切分成2828的矩阵,矩阵的每个元素使用灰度值来表示,所以总共使用一个2828的矩阵来表示图片;下载数据集数据集下载地址:http://yann.lecun.com/exdb/mnist/整个数据集分为四个部分:.原创 2021-07-02 09:15:32 · 1013 阅读 · 0 评论 -
Machine Learning上机作业ex4解答
此系列文章主要为记录作业过程,也为卡在某处提供些许思路,所以还是建议独立完成,这样对知识的理解最为深刻。ex4是神经网络算法的基本实现,还是有一定难度的。加油!nnCostFunction-Part 1:首先需要根据给定的参数,使用前向算法,计算出成本函数。我使用了for循环,每次循环计算一种分类(1…m)的成本,求和之后除以m,再加上偏移量,同样注意对第一个参数不需要偏移。for i = 1:m h = sigmoid(Theta2 * [ones(1); sigmoid(Theta1 *.原创 2020-07-18 22:18:15 · 346 阅读 · 0 评论 -
Machine Learning上机作业ex3解答
此系列文章主要为记录作业过程,也为卡在某处提供些许思路,所以还是建议独立完成,这样对知识的理解最为深刻。plotData这部分内容是已经写好的,但还是应该认真读一遍代码,看看究竟是如何绘图的。核心的代码如下:// 设置灰色图谱,这样就可以使用小数数值来colormap(gray);// 计算example(一个数字可以看做一个example)的个数和每个example的像素高度(等于像素总数/像素宽度)[m n] = size(X);example_height = (n / examp.原创 2020-07-16 20:46:11 · 221 阅读 · 0 评论 -
Machine Learning上机作业ex2解答
此系列文章主要为记录作业过程,也为卡在某处提供些许思路,所以还是建议独立完成,这样对知识的理解最为深刻。plotData这部分练习的关键在于从数据集中筛选出正例和反例。使用的是Octave中的find方法。筛选完成后,直接调用plot方法绘图即可。参考答案如下:pos_index = find(y==1);neg_index = find(y==0);plot(X(pos_index,1), X(pos_index,2), "k+", "MarkerSize", 10, "LineWidth".原创 2020-07-15 23:07:06 · 259 阅读 · 0 评论 -
Machine Learning上机作业ex1解答
warmUpExercise.m这一部分很简单,主要是熟悉函数的编写,以及了解做题的过程。题目本身没有难度,就是编写一个返回5阶单位矩阵的方法。在warmUpExercise.m编写代码,文件中函数的声明和返回都已经写好了,我们只需要在指定出补充代码即可,在Octave中生成单位矩阵的方法是eye(i),其中i为生成的阶数:所以此部分的答案是:A = eye(5);Plotting the Data这部分主要是基础的画图。题目中也给出了答案,只需要理解即可。还是推荐在命令窗口使用help plot来原创 2020-07-10 17:29:49 · 215 阅读 · 0 评论