吴恩达机器学习
weixin_40025586
这个作者很懒,什么都没留下…
展开
-
吴恩达机器学习--神经网络概述
一.非线性假设相关: 例:训练一个模型实现视觉对象的识别(例如识别图片上是否是一辆汽车),一种方法是利用很多汽车和非汽车图片,利用图片上的一个个像素值作为特征。 假如我们只选用灰度图片,每个像素则只有一个值,我们可以选取图片上的两个不同位置上的两个像素,然后训练一个逻辑回归算法利用这两个像素的值来判断图片上是否是汽车。 说明:即使采用50*50像素的小图片,并且将所有的像素是为特征,那么会有2500个特征,如果我们要进一步将两两特征组合构成一个多项式模型,则会有约接近 3 百万个特征。普通的逻辑回归模型原创 2020-10-09 16:05:09 · 382 阅读 · 0 评论 -
神经网络入门概述--知乎转载
1.基本模块搭建: 说明:这个基本的神经元模块中经历了三步运算: 先将两个输入乘以权重(weight): x1 --> x1 * w1 x2 --> x2* w2 两个结果相加之后,再加上一个偏置(bias): (x1 * w1 + x2 * w2) + b 最后经过激活函数(activation function): y = f(x1 * w1 + x2 * w2 + b) 激活函数:将无限制的输入转换为可测试的输出。常用的有sigmoid函数: 上述过程以python程序表达为: #模转载 2020-10-07 20:17:25 · 584 阅读 · 1 评论 -
吴恩达机器学习--正则化实例分析
一.问题描述:设想你是工厂的生产主管,你有一些芯片在两次测试中的结果,测试结果决定是否芯片要被接收 二.代码演示: #模块导入 import numpy as np import pandas as pd import matplotlib.pyplot as plt #数据读入 path = r'C:\Users\18810\Desktop\机器学习方法\吴恩达学习笔记\逻辑回归\ex2data2.txt' data_ex3 = pd.read_csv(path, header = None, name原创 2020-10-02 20:53:33 · 388 阅读 · 0 评论 -
吴恩达--机器学习--Logistic回归
一.二分类引入 1.分类: (1)二分类问题: (2)Logistic regression: 0≤hθ(x)≤10\leq h_{\theta }(x)\leq 10≤hθ(x)≤1,逻辑回归的假设函数的输出函数值取值范围为:[0,1],逻辑回归实质上是一种分类算法 二.逻辑回归假设函数模型 2.假设陈述: –当有一个具体的分类问题时,我们要使用哪个方程来表示我们的假设。 (1)逻辑回归模型: g(z)=11+e−zg(z)=\frac{1}{1+e^{-z}}g(z)=1+e−z1 python原创 2020-08-05 16:37:03 · 172 阅读 · 0 评论 -
吴恩达--机器学习--多变量线性回归实例
1.问题描述: ex1data2.txt里的数据,第一列是房屋大小,第二列是卧室数量,第三列是房屋售价 根据已有数据,建立模型,预测房屋的售价 2.代码示例: # -*- coding: utf-8 -*- """ Created on Tue Aug 4 16:32:09 2020 @author: X """ #问题描述:ex1data2是已知数据,第一列是房屋大小,第二列是卧室数量,第三列是房屋售价已有数据,建模预测房屋售价 #1.导入所需库 import numpy as np import原创 2020-08-05 11:32:11 · 299 阅读 · 0 评论 -
吴恩达--机器学习--多变量线性回归
1.Mutiple features(variables): 利用房屋面积,卧室数量,楼层数量,房屋年龄多个变量对房屋价格进行分析: 结合4个特征量进行分析,计法如上图所示。 2.多变量线性回归模型引入: 3.多元梯度下降法: (1)公式引入: 单变量线性回归与多变量线性回归比较: 对于代价函数,即为: 代码实例: import numpy #此时设置梯度下降法初始点的时候可以设置theta为: theta = np.matrix(np.zeros(n))#n代表参数的维数 def compute原创 2020-08-04 16:30:10 · 226 阅读 · 0 评论 -
吴恩达--机器学习--单变量线性回归实例
1.模块用法表格: 用法名 描述 data.head(n) n代表显示data数据的前n行 np.power(a, b) a的b次方 data.insert(a, b, c) a表示插入到data中第a+1列,b表示插入列的名称,c表示插入元素的值原创 2020-08-04 10:57:05 · 244 阅读 · 0 评论 -
1.吴恩达--神经网络和深度学习--单变量线性回归
1.Supervised Learning–监督学习: ps:我们用m表示训练集的规模或者训练样本的数量 why is deep learning taking off? (1)being able to train a big enough neural network (2)Huge amount of labeled data 2.单变量线性回归: (1)模型描述: Supervised Learning:Given the ‘right answer’ for each example in the原创 2020-08-03 16:06:40 · 258 阅读 · 0 评论