机器学习excise
吴恩达机器学习编程练习
ML0209
这个作者很懒,什么都没留下…
展开
-
吴恩达机器学习笔记---ex4(python实现)
练习链接 编程练习4:神经网络学习 1. 神经网络 在前面的练习中,您实现了神经网络的前向传播,并使用我们提供的权重来预测手写数字 。在本练习中,您将实现反向传播算法来学习神经网络的参数。 1.1 可视化数据 ex4data1.mat中获得一个包含5000个手写数字训练示例的数据集。.mat格式表示数据已保存为原生Octave / MATLAB矩阵格式,而不是像csv文件那样的文本(ASCII)格式。可以使用loadmat命令将这些矩阵直接读入程序。 ex4data1.mat中有5000个训.原创 2020-08-04 20:49:51 · 1671 阅读 · 4 评论 -
吴恩达机器学习笔记---ex3(python实现)
练习链接 编程练习3:多类分类与神经网络 1. 多级分类 在本练习中,您将使用逻辑回归和神经网络来识别手写数字(从0到 9)。如今,自动手写数字识别被广泛使用 - 从识别邮件信封上的邮政编码(邮政编码)到识别银行支票上的金额。本练习将向您展示您学习的方法如何用于此分类任务。 1.1 导入数据集 ex3data1.mat中获得一个包含5000个手写数字训练示例的数据集。.mat格式表示数据已保存为原生Octave / MATLAB矩阵格式,而不是像csv文件那样的文本(ASCII)格式。可以使用l.原创 2020-07-28 10:51:26 · 1271 阅读 · 1 评论 -
吴恩达机器学习笔记---ex2(Python实现)
练习链接 编程练习2:逻辑回归 1. Logistic回归 在这部分练习中,您将建立一个逻辑回归模型来预测学生是否被录取进入大学。假设您是大学系的管理员,并且您希望根据他们在两门考试中的成绩来确定每位申请人的入学机会。您拥有以前申请人的历史数据,您可以将其用作逻辑回归的训练集。对于每个培训示例,您都有申请人在两门考试中的分数和录取决定。您的任务是建立一个分类模型,根据这两个考试的分数估算申请人的录取概率。 1.1 可视化数据 数据集的每一行代表一个学生的信息,有3列。前两列代表两门考试的成绩,最.原创 2020-07-26 15:07:13 · 1162 阅读 · 4 评论 -
吴恩达机器学习笔记---ex1练习(Python实现)
练习链接 编程练习1:线性回归 1.用一个变量进行线性回归 在这部分的练习中,你将用一个变量来实现线性回归来预测食品卡车的利润。 假设你是一家餐馆特许经营的首席执行官,并正在考虑在不同的城市开设新的出路。 这个连锁店在各个城市已经有卡车,而且你有来自城市的利润和人口数据。您想使用这些数据来帮助您选择要扩展到下一个城市。文件ex1data1.txt包含我们的线性回归概率数据集,第一列是一个城市的人口,第二列是该城市食品卡车的利润,负利润表示亏损。 1.1绘制数据 在开始任何任务之前,通过可视化来理.原创 2020-07-15 16:18:02 · 554 阅读 · 0 评论