- 博客(8)
- 收藏
- 关注
RSS订阅原创 选择排序（Java实现）
一种最简单的排序算法是这样的:首先，找到数组中最小的那个元素，其次，将它和数组的第一个元素交换位置(如果第一个元素就是最小元素那么它就和自己交换)。再次，在剩下的元素中找到最小的元素，将它与数组的第三个元素交换位置。如此往复，直到将整个数组排序。这种方法叫做选择排序，因为它在不断地选择剩余元素之中的最小者。 如算法代码所示，选择排序的内循环只是在比较当前元素与目前已知的最小元素(以及将当前索引加1和检查是否代码越界)，这已经简单到了极点。交换元索的代码写在内循环之外，每次交换都能排定一个元素，因此交换的总.
2021-11-16 15:08:21
66
原创 吴恩达机器学习编程题四（神经网络-BP）（python）
import numpy as np import scipy.io as sio import matplotlib.pyplot as plt from scipy.optimize import minimize data = sio.loadmat('ex4data1.mat') raw_X = data['X'] raw_y = data['y'] X=np.insert(raw_X,0,values=1,axis=1) X.shape def one_hot_encoder(raw_y):
2021-10-23 10:45:57
2182
原创 吴恩达机器学习编程题三（神经网络-向前传播）（Python)
import numpy as np import scipy.io as sio data = sio.loadmat('ex3data1.mat') raw_X = data['X'] raw_y = data['y'] X = np.insert(raw_X,0,values=1,axis=1) X.shape y = raw_y.flatten() y.shape theta = sio.loadmat('ex3weights.mat') theta.keys() theta1 = t
2021-10-09 19:59:54
142
原创 吴恩达机器学习编程题三（逻辑回归解决多分类问题）（Python)
import numpy as np import matplotlib.pyplot as plt import scipy.io as sio data = sio.loadmat('ex3data1.mat') data print(type(data)) data.keys() raw_X = data['X'] raw_y = data['y'] print(raw_X.shape,raw_y.shape) def plot_an_image(X): ...
2021-10-09 19:57:01
198
原创 吴恩达机器学习编程题二（线性不可分案例）（Python）
import numpy as np import pandas as pd import matplotlib.pyplot as plt path = 'ex2data2.txt' data = pd.read_csv(path, names=['Test 1', 'Test 2', 'Accepted']) data.head() fig, ax = plt.subplots() ax.scatter(data[data['Accepted'] == 0]['Test 1'], data[dat.
2021-10-07 20:26:30
92
原创 吴恩达机器学习编程题二（线性可分案例）（Python）
import numpy as np import pandas as pd import matplotlib.pyplot as plt path = 'ex2data1.txt' data = pd.read_csv(path, names=['Exam 1', 'Exam 2', 'Accepted']) data.head() fig, ax = plt.subplots() ax.scatter(data[data['Accepted'] == 0]['Exam 1'], data[dat.
2021-10-07 20:25:02
60
原创 吴恩达机器学习编程题一（多变量线性回归）（Python）
import numpy as np import pandas as pd import matplotlib.pyplot as plt data = pd.read_csv('ex1data2.txt', names=['size', 'bedrooms', 'price']) print(data.head()) def normalize_feature(data): return (data - data.mean()) / data.std() data = normali.
2021-10-07 20:16:16
60
原创 吴恩达机器学习编程题一（单变量线性回归）（Python)
import numpy as np import pandas as pd import matplotlib.pyplot as plt path = 'ex1data1.txt' data = pd.read_csv(path, names=['Population', 'Profit']) print(data.head()) print(data.describe()) data.plot(kind='scatter', x='Population', y='Profit', label=.
2021-10-07 20:05:05
106
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