笔记
swan777
这个作者很懒,什么都没留下…
展开
-
吴恩达 deep Learning 第一课第四周作业1
@[TOC]吴恩达 deep Learning 第一课第四周作业1![Alt](https://avatar.csdn.net/7/7/B/1_ralf_hx163com.jpg =30x30你好! 这是你第一次使用 Markdown编辑器 所展示的欢迎页。如果你想学习如何使用Markdown编辑器, 可以仔细阅读这篇文章,了解一下Markdown的基本语法知识。...原创 2018-11-02 10:02:17 · 772 阅读 · 0 评论 -
python 编码的那点事
1、python3默认编码是Unicode2、注释 # -*- coding:utf-8 -*- 意思问文件编码,文件编码与python3默认编码不是一回事,可以是不同的两种编码3、utf-8 ---> gbk :s="你好"s1=s.decode(utf-8).encode(gbk)gbk ---> utf-8 s="你好"s1=s.de...原创 2019-08-16 00:30:33 · 185 阅读 · 0 评论 -
np.newaxis
np.newaxis----增加矩阵维度常用方法--将(10,)维度变为固定维度(10,1)的矩阵x=np.linspace(-0.5,0.5,10)print(x)print(x.shape)[-0.5 -0.38888889 -0.27777778 -0.16666667 -0.05555556 0.05555556 0.16666667 0.2777...原创 2019-06-03 14:52:17 · 105 阅读 · 0 评论 -
tf.argmin()与tf.reduce_min()
tf.argmin()返回矩阵横列或者纵列的最小值的坐标,取决于第二个参数tf.argmin( input, axis=None(0是纵列 1是横列) name=None, dimension=None, output_type=tf.int64 )import tensorflow as tfx = tf.constant([[0, 2, 1], [2, 1, 3]])sess ...原创 2019-06-12 17:38:14 · 1353 阅读 · 0 评论 -
吴恩达机器学习--应用高斯分布开发异常检测算法
异常检测算法对于给定的数据集 x(1),x(2),...,x(m) ,有m个样本,每个样本有n个特征,建立概率模型 p(x),找出哪些特征出现的概率高,哪些特征出现的概率低。 p(x)=p(x_1)*p(x_2)*p(x_3)......*p(x_n) p(x)=第一个特征X_1的概率*第二个特征X_2的概率*第三个特征X_3的概率......*第n个特征X_n的概率 假设:每一个特征x...原创 2019-05-21 12:32:29 · 374 阅读 · 0 评论 -
高斯分布
高斯分布,也称为正态分布。通常如果我们认为变量 x 符合高斯分布 x~N(μ,σ2)则其概率密度函数为: :均值 :方差我们可以利用已有的数据来预测总体中的 μ 和 σ2 的计算方法如下:注:机器学习中对于方差我们通常只除以 m 而非统计学中的(m-1)。只要你有一个还算大的训练集,到底是选择使用 1/m 还是 1/(m-1)其实区别很小。在机器学习领域大...原创 2019-05-21 11:06:46 · 1241 阅读 · 0 评论 -
吴恩达机器学习--降维
数据压缩不仅允许我们压缩数据,因而使用较少的计算机内存或磁盘空间,但它也让我们加快我们的学习算法。 可以把任何维度的数据降到任何想要的维度。 降维的算法只负责减少维数,新产生的特征的意义就必须由我们自己去发现了。 主成分分析(PCA)是最常见的降维算法。 在 PCA 中,我们要做的是找到一个方向向量(Vector direction),当我们把所有的数据都 投射到该向量上...原创 2019-05-20 20:07:55 · 129 阅读 · 0 评论 -
吴恩达K-means算法
K-Means 算法步骤1、选择 K 个随机的点,称为聚类中心(cluster centroids)2、把每个数据样本划分到最近的中心点那一簇; D(xi)=argmin||xi−μr||22r=1,2,...kselected 样本到哪个簇距离最小,就属于哪个簇。3、划分完后,更新每个簇的中心,即把该簇的所有数据点的坐标加起来去平均值。求中心点距离一般采用...原创 2019-05-19 20:09:33 · 334 阅读 · 0 评论 -
吴恩达机器学习SVM
核函数为了获得上图所示的判定边界,我们的模型可能是我们可以用一系列的新的特征 f 来替换模型中的每一项。例如令得到 hθ(x)=f1+f2+...+fn。然而,除了对原有的特征进行组合以外,有没有更好的方法来构造 f1,f2,f3?我们可以利用核函数来计算出新的特征。高斯核函数为实例 x 中所有特征与地标 l(1)之间的距离的和。我们通...原创 2019-05-19 10:35:44 · 1213 阅读 · 0 评论 -
吴恩达deep Learning 第一课 第三周作业
# Package importsimport numpy as npimport matplotlib.pyplot as pltfrom testCases_v2 import *import sklearnimport sklearn.datasetsimport sklearn.linear_modelfrom planar_utils import plot_decisi...原创 2019-03-28 17:08:09 · 232 阅读 · 0 评论 -
吴恩达 deep Learning 第一课第二周作业
import numpy as npimport matplotlib.pyplot as pltimport h5pyimport scipyfrom PIL import Imagefrom scipy import ndimagefrom lr_utils import load_dataset%matplotlib inlinetrain_set_x_orig, tr...原创 2019-03-28 17:01:06 · 168 阅读 · 0 评论 -
os.path.join()函数用法详解
os.path.join()函数用于路径拼接文件路径,可以传入多个路径如果不存在以‘’/’开始的参数,则函数会自动加上>>> import os>>> print(os.path.join('path','abc','yyy'))path\abc\yyy存在以‘’/’’开始的参数,从最后一个以”/”开头的参数开始拼接,之前的参数全部丢弃。...原创 2019-04-05 10:58:44 · 230497 阅读 · 17 评论