机器/深度学习
文章平均质量分 73
机器/深度学习笔记
RSer_gis
这个作者很懒,什么都没留下…
展开
-
机器/深度学习笔记:吴恩达机器学习课程 | 编程练习
做代码练习,用pycharm这种可交互性比较差的IDE(当然这类注重的是整体运行),尤其是在做数据可视化与理解每句代码的时候,真不如jupyter Notebook好用,做起来真麻烦!(1)黄海广博士笔记与练习数据及代码。原创 2020-09-24 01:12:35 · 455 阅读 · 0 评论 -
吴恩达机器学习课程:编程练习 | (7) ex7-kmeans and PCA
1. kmeans算法"""案例1: 给定一个二维数据集,使用kmeans进行聚类数据集:data/ex7data2.mat"""import numpy as npimport scipy.io as sioimport matplotlib.pyplot as pltfrom skimage import iodef find_centroids(X, centros): # 获取每个样本所属的类别 idx = [] for i in range(len(X)):原创 2020-09-24 00:31:31 · 411 阅读 · 0 评论 -
吴恩达机器学习课程:编程练习 | (6) ex6-SVM
1. 垃圾邮件检测"""案例:判断一封邮件是否是垃圾邮件"""from sklearn import svmfrom sklearn import metricsfrom sklearn.linear_model import LogisticRegressionimport scipy.io as siodata1 = sio.loadmat('data/spamTrain.mat') # training datadata2 = sio.loadmat('data/spamTes原创 2020-09-24 00:24:53 · 423 阅读 · 0 评论 -
吴恩达机器学习课程:编程练习 | (3) ex3-neural network
1. 基于逻辑回归模型的多分类"""基于逻辑回归模型的多分类案例: 手写数字识别"""import numpy as npimport scipy.io as sioimport scipy.optimize as optdef load_data(path, transpose=True): data = sio.loadmat(path) y = data.get('y') # (5000,1) y = y.reshape(y.shape[0]) #原创 2020-09-24 00:13:56 · 392 阅读 · 0 评论 -
吴恩达机器学习课程:编程练习 | (2) ex2-logistic regression
1. logistic-regression"""逻辑回归案例:根据学生的两门学生成绩,预测该学生是否会被大学录取"""import numpy as npimport pandas as pdimport matplotlib.pyplot as pltdef get_Xy(data): data.insert(0, 'ones', 1) X = np.array(data.iloc[:, 0:-1]) y = np.array(data.iloc[:, -1原创 2020-09-23 23:57:48 · 335 阅读 · 0 评论 -
吴恩达机器学习课程:编程练习 | (1) ex1-linear regression
1. 单变量线性回归"""单变量线性回归案例:假设你是一家餐厅的CEO,正在考虑开一家分店,根据该城市的人口数据预测其利润。"""import numpy as npimport seaborn as snsimport pandas as pdimport matplotlib.pyplot as pltdef get_X(df): """ 读取特征 use concat to add intersect feature to avoid sid原创 2020-09-23 23:50:24 · 597 阅读 · 0 评论 -
吴恩达机器学习课程:编程练习 | (4) ex4-NN back propagation
BP算法实现起来有点复杂,视频讲解的不是很清楚,在此放上一个大白话讲解BP算法的链接:大白话讲解BP算法"""神经网络-反向传播多分类问题案例: 手写数字识别"""import numpy as npimport scipy.io as sioimport matplotlibimport matplotlib.pyplot as pltfrom scipy.optimize import minimizefrom sklearn.metrics import classificati原创 2020-09-23 23:41:50 · 254 阅读 · 0 评论 -
机器/深度学习笔记:tensorflow(gpu版本)在win10系统上的安装方法
查看CUDA路径,当你安装完CUDA后,它会将这两个目录加进来, CUPTA和cuDNN还没有加进来,所以必须将它们添加到路径,这样使用Tensorflow的时候才不会报错。(注:直接安装可能网速很慢,会安装失败,可以离线安装,,查看tensorflow的版本与所匹配对应的cuDNN及CUDA,本次安装选的第三个版本,tensorflow_gpu—1.14.0。在ANACONDA窗口的tensorflow的环境中,跑一个test.py,检测tensorflow的确用gpu来做运算了。原创 2020-03-18 12:15:22 · 911 阅读 · 2 评论