通过吴恩达作业里识别猫的程序——了解矩阵降维的原理

这是资料:吴恩达作业里识别猫的程序

 

我经过测试发现:

这俩输出完全不一样,不就是一个降维么,之前是四维,现在是二维,怎么数据不一样了呢?

我通过思考,发现经过转置以后,列数是图片数,也就是说,每一列都有64*64*3的像素值,每一列都代表一张图片。

并且降维过程中,数据是从最后一个下标开始复制的,也就是RGB三个通道那里,需要注意。

那么我将i换了正确的方向,发现输出一样。

 

这就好了:

  • 1
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
吴恩达logistic regression算法可以用于识别的数据集。在机器学习中,logistic regression是一种用于解决二分类问题的方法。对于识别问题来说,我们可以将图像视为特征矩阵,每个像素点的数值可以作为该特征的值。而标签则表示图像是否为。 首先,我们需要将图像数据集按照一定比例划分为训练集和测试集。训练集用于训练模型,而测试集用来评估模型的性能。 接下来,我们将每个像素点的数值作为特征,构建特征矩阵。同时,对于每个图像,我们需要将标签转化为对应的二分类标签,例如1表示是,0表示不是。 然后,我们使用logistic regression算法对训练集进行训练。训练过程中,算法会根据特征矩阵和对应的标签进行优化,找到最优的权重和偏置,以最大化模型的预测能力。 最后,我们使用训练好的模型对测试集进行预测,并与测试集的真实标签进行比较,计算模型的准确率等评估指标,来评估模型的性能。 需要注意的是,为了提高模型的性能,我们可以采取一些预处理步骤,例如特征缩放和特征选择等。此外,还可以使用正则化方法来避免过拟合问题。 总之,通过吴恩达logistic regression算法,我们可以构建一个用于识别的模型,并对其性能进行评估和优化。这个模型可以应用于各种需要识别的场景,如图像分类和目标检测等。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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

打赏作者

程序猿的探索之路

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
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