机器学习
文章平均质量分 87
wssssang
这个作者很懒,什么都没留下…
展开
专栏收录文章
- 默认排序
- 最新发布
- 最早发布
- 最多阅读
- 最少阅读
-
吴恩达机器学习ex8:异常检测和推荐系统
吴恩达机器学习作业八:异常检测和推荐系统在本练习中,您将实现异常检测算法,并将其应用于检测网络上出现故障的服务器。在第二部分中,您将使用协作过滤来构建电影推荐系统。1 Anomaly detection在本练习中,您将实现异常检测算法来检测服务器计算机中的异常行为。这些特性测量每个服务器的吞吐量(mb/s)和响应延迟(ms)。当您的服务器运行时,您收集了m=307个它们的行为示例,因此有一个未标记的数据集{x(1),x(m)}。您怀疑这些示例中的绝大多数都是服务器正常运行的“正常”(非异常)示例,但原创 2021-05-16 22:40:03 · 591 阅读 · 0 评论 -
吴恩达机器学习ex7:K均值和PCA
吴恩达机器学习作业六:SVM1 K-means Clustering在本练习中,您将实现K-means算法并将其用于图像压缩。首先从一个示例2D数据集开始,这有助于你对K-均值算法的工作原理有一个直观的了解。然后,您将使用K-means算法进行图像压缩,方法是将图像中出现的颜色数减少到仅该图像中最常见的颜色。1.1 Implementing K-meansK-means算法是一种自动聚类相似数据的方法。具体地说,给你一个训练集,并希望将数据分组为几个有凝聚力的“集群”。K-means背后的直觉是原创 2021-05-11 12:51:38 · 321 阅读 · 0 评论 -
吴恩达机器学习ex6:SVM
吴恩达机器学习作业六:SVM1 Support Vector Machines在本练习的前半部分,您将使用支持向量机(SVM)和各种示例2D数据集。对这些数据集进行实验将帮助您获得支持向量机如何工作以及如何将高斯核用于支持向量机。在下半部分练习中,您将使用支持向量机构建垃圾邮件分类器。import numpy as npimport pandas as pdimport matplotlib.pyplot as pltfrom scipy.io import loadmatfrom skl原创 2021-05-06 10:35:02 · 1253 阅读 · 0 评论 -
吴恩达机器学习ex5:偏差和方差
吴恩达机器学习作业五:偏差和方差在本练习中,您将实现正则化线性回归,并使用它来研究具有不同偏差方差特性的模型。#coding=utf-8import numpy as npimport pandas as pdfrom matplotlib import pyplot as pltfrom scipy.io import loadmatfrom sklearn.metrics import classification_report1 Regularized Linear Regre原创 2021-04-22 15:22:18 · 662 阅读 · 0 评论 -
吴恩达机器学习ex4:BP神经网络
吴恩达机器学习作业四:BP神经网络1.1 Visualizing the data这与上一个练习中使用的数据集相同。ex3data1.mat中有5000个训练示例,其中每个训练示例是数字的20像素乘20像素灰度图像。每个像素由一个浮点数表示,表示该位置的灰度强度。像素的20乘20网格被“展开”成400维向量。这些训练示例中的每一个都成为我们的数据矩阵X中的一行。这给了我们一个5000×400的矩阵X,其中每一行都是手写数字图像的训练示例。训练集的第二部分是包含训练集标签的5000维向量y。为了使事原创 2021-04-20 22:32:09 · 1062 阅读 · 0 评论 -
吴恩达机器学习ex3:多类分类
吴恩达机器学习作业三:多类分类import numpy as npimport pandas as pdimport matplotlib.pyplot as pltfrom scipy.io import loadmat1.1 Dataset原始数据集的标签 y, y取值为1到10,y = 10表示当前手写字为0,其余1到9即对应1到9。数据集保存在 ex3data1.mat,注意文件格式跟之前不一样,用matlab打开可以看到有X和y两个变量:X的维度是5000×400,表示有500原创 2021-04-16 19:04:06 · 716 阅读 · 1 评论 -
吴恩达机器学习ex2:逻辑回归
吴恩达机器学习练习二:逻辑回归1. 逻辑回归(logistic regression)在这部分的练习中,你将建立一个逻辑回归模型来预测一个学生是否能进入大学。假设你是一所大学的行政管理人员,你想根据两门考试的结果,来决定每个申请人是否被录取。你有以前申请人的历史数据,可以将其用作逻辑回归训练集。对于每一个训练样本,你有申请人两次测评的分数以及录取的结果。为了完成这个预测任务,我们准备构建一个可以基于两次测试评分来评估录取可能性的分类模型。1.1 数据可视化在开始实现任何学习算法之前,如果可能的话,最原创 2021-04-13 09:49:09 · 555 阅读 · 0 评论 -
吴恩达机器学习ex1:线性回归
单变量线性回归在本部分的练习中,您将使用一个变量实现线性回归,以预测食品卡车的利润。假设你是一家餐馆的首席执行官,正在考虑不同的城市开设一个新的分店。该连锁店已经在各个城市拥有卡车,而且你有来自城市的利润和人口数据。您希望使用这些数据来帮助您选择将哪个城市扩展到下一个城市。#coding=utf-8import numpy as npimport pandas as pdimport matplotlib.pyplot as plt# read datapath = 'D:\文档\ex原创 2021-04-09 08:59:11 · 459 阅读 · 0 评论
分享