![](https://img-blog.csdnimg.cn/20190918140145169.png?x-oss-process=image/resize,m_fixed,h_224,w_224)
吴恩达课程
文章平均质量分 69
吴恩达老师网课
alwaysuzybai
"Serena, you're the most beautiful, amazing, alive person I've ever know."
展开
-
Lecture1 Welcome Stanford CS229 Machine Learning|2018 Autumn|吴恩达机器学习
介绍machine learning 的含义,以及其主要分类,监督学习supervised learning(有指定的输入和输出,学习如何关联两者/函数的映射关系),无监督学习unsupervised learning(在含有特征的数据中找出有用的结构,没有指定寻找的目标/无标签),reinforcement learning(强化学习,不断与外界环境交互,从经验中积累学习)。p=1(2023年 2月28日 20:50首次发布)原创 2023-02-28 20:56:03 · 253 阅读 · 0 评论 -
吴恩达AI机器学习-01神经网络与深度学习week2下-神经网络基础 python中的广播
通过在旧代码中消除秩为1的矩阵,代码变得更简单,更容易发现其中的错误;为了简化代码,不要使用秩为1的数组,始终使用n乘1的矩阵,本质上是列向量;或者使用1乘n的矩阵,本质上是行向量;自由使用断言语句,来复查矩阵和数组的维度,不要怕使用reshape操作,来确保矩阵和向量是所需要的维度。原创 2022-10-12 18:15:03 · 389 阅读 · 0 评论 -
吴恩达AI机器学习-01神经网络与深度学习week2上-神经网络基础
函数求导链式规则推导部分和梯度下降代码思路部分重点理解💻。原创 2022-10-03 20:48:07 · 459 阅读 · 0 评论 -
吴恩达AI机器学习-01神经网络与深度学习week2中-神经网络基础
吴恩达AI机器学习-01神经网络与深度学习week2中-神经网络基础 print(a)用随机值创建了一个百万维度的数组。python中的广播原创 2022-10-11 10:57:48 · 438 阅读 · 0 评论 -
吴恩达AI机器学习-01神经网络与深度学习week3上-浅层神经网络
目录3.1神经网络概览 3.2神经网络的表现形式3.3计算神经网络的输出3.4多样本向量化 3.5向量化实现的解释3.6激活函数使用上标[1]来表示与这些节点相关的量,也就是所谓的层;之后,我们使用上标[2]来表示与这个节点有关的量,这是神经网络的另一层;上标(i)表示第i个训练样本;在这个神经网络中, 我们要进行多次运算, 反复计算z和a,求得损失函数。上图所示为单隐藏层。第一步计算出z;第二步计算出a;我们看下面的图,对隐藏层的第一个节点进行计算:把第一个节点分成左右两半部分,进行两次运算。接下原创 2022-10-17 18:29:21 · 706 阅读 · 0 评论 -
吴恩达AI机器学习-01神经网络与深度学习week1-深度学习概述
黑色红色:the digitization of a societ➡️create data➡️collect data横轴:amount of labeled data 注意是labeled data(x,y);样本数量通常用m表示,当m非常大时,神经网络算法才会显著领先其他算法;处理小型数据集时,NN优势并不明显.eg1:单层神经网络🏠房子尺寸x 房价yeg2:多层神经网络🏠房子尺寸x1 房间数量x2 邮编x3(地理位置) x4财富水平房价y。原创 2022-10-03 13:58:54 · 563 阅读 · 0 评论