- 博客(9)
- 收藏
- 关注
RSS订阅
1原创 python数据分析与应用_matplotlib_习题练习
分析鸢尾花的特征数据导入数据import numpy as npimport matplotlib.pyplot as pltdata =np.load('../data/iris.npz',allow_pickle=True)#data.files#data['features_name']#data['data']iris =data['data']name =data['features_name']绘制鸢尾花数据各个特征的散点图#设置中文格式plt.rcParams['
2022-03-30 16:59:27
1759
原创 神经网络（后向传播）-吴恩达-机器学习Python
#导入模块import matplotlib.pyplot as pltimport numpy as npfrom scipy.io import loadmatimport matplotlibimport scipy.optimize as optfrom sklearn.metrics import classification_report#这个包是评价报告第一步：数据可视化#导入数据data =loadmat('ex4data1.mat')X =data['X']y =d
2021-11-20 17:35:54
2188
原创 前馈神经网络（参数给定）-吴恩达-机器学习Python
#导入模块import matplotlib.pyplot as pltimport numpy as npfrom scipy.io import loadmatimport matplotlibimport scipy.optimize as optfrom sklearn.metrics import classification_report#这个包是评价报告第一步：导入数据#导入数据data =loadmat('ex3data1.mat')X =data['X']y =da
2021-11-20 17:15:05
781
原创 逻辑回归 识别0-9数字-吴恩达-机器学习
#导入模块import matplotlib.pyplot as pltimport numpy as npfrom scipy.io import loadmatimport matplotlibimport scipy.optimize as optfrom sklearn.metrics import classification_report#这个包是评价报告第一步 数据可视化#导入数据data =loadmat('ex3data1.mat')data.keys()di.
2021-11-20 16:56:21
904
原创 MNIST-逻辑回归-多分类-识别数字0和1
导入第三方库import load_MNIST #自己编写的模块import numpy as npimport scipy.optimize as optfrom sklearn.metrics import classification_report#这个包是评价报告模块 load_MNIST代码：import numpy as np#定义MNIST图像特征数据导入函数def load_MNIST_images(filename): """ 输入：数据文件
2021-11-14 10:49:19
1286
原创 逻辑回归(Logistic Regression)-吴恩达-机器学习python
逻辑回归介绍逻辑回归是用来研究分类问题，输出值总是0-1之间。输入数据值x，计算函数h(x)，预测y值，进行分类。逻辑回归模型其中：X表示特征向量，g表示sigmoid函数代价函数代价函数原理如下1.为了防止逻辑回归因为模型复杂，误差平方和定义的代价函数是非凸函数，后面梯度下降局部极小化，选择重新定义代价函数。2.重新定义的代价函数梯度下降公式推导正则化正则化过拟合问题，以多项式理解，???? 的次数越高，.
2021-11-13 20:50:46
1566
原创 线性回归-吴恩达-机器学习课后作业
练习一：单变量线性回归，对数据ex1data1.txt进行回归预测线性回归和梯度下降公式导入第三方库import numpy as npimport pandas as pdimport matplotlib.pyplot as plt第一步：第一步：提取数据，并对数据的特征和标签进行处理，可视化数据data =pd.read_csv('ex1data1.txt',names =['人口','盈利'])data.head()#提取特征XX_ =da...
2021-11-11 21:56:13
1840
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人