吴恩达机器学习课程笔记

最新推荐文章于 2024-06-02 15:36:24 发布
最新推荐文章于 2024-06-02 15:36:24 发布
阅读量178 收藏 1
点赞数
文章标签： 机器学习 吴恩达 周志华
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/yinzhentan/article/details/97767126
版权

目录

第一章 绪论

1.1 机器学习

计算机程序从经验E中学习，解决某一任务T，假设用P作为性能度量，若P测定T的性能表现因经验E而提高，则称关于T和P，该程序对E进行了学习。

1.2 监督学习

利用一组已知类别的样本学习一个模型，使模型能够对任意的给定的输入，对其相应的输出做出一个好的预测。
回归：输入变量与输出变量均为连续变量
分类：输出变量为有限个离散变量

1.3 无监督学习

根据类别未知(没有被标记)的训练样本解决模式识别中的各种问题。
聚类：把相似的样本聚在一起

第二章 线性回归

2.1 单变量线性回归

2.1.1 模型描述

在这里插入图片描述

2.1.2 批量梯度下降

在这里插入图片描述

2.2 多变量线性回归

2.2.1 模型描述

2.2.2 多元梯度下降法

在这里插入图片描述

2.2.3 梯度下降实用技巧

2.2.3.1 训练快速收敛——特征缩放

在这里插入图片描述在这里插入图片描述

2.2.3.2 判断训练是否正常——代价函数-迭代轮次图

在这里插入图片描述
在这里插入图片描述

2.2.4 特征与多项式线性回归

2.2.4.1 特征选择

2.2.4.2 多项式线性回归

在这里插入图片描述

2.2.5 正规方程

在这里插入图片描述

第三章 逻辑回归

3.1 模型描述

在这里插入图片描述

3.2 代价函数

在这里插入图片描述

3.2.1 代价函数优化

3.2.2 代价函数高级优化

在这里插入图片描述

3.3 多元分类

在这里插入图片描述

第四章 正则化

4.1 过拟合问题

在这里插入图片描述

4.2 正则化

在这里插入图片描述

4.3 线性回归正则化

在这里插入图片描述

4.4 逻辑回归正则化

在这里插入图片描述

第五章 神经网络

5.1 模型描述

在这里插入图片描述

5.1.1 神经元

在这里插入图片描述

5.1.2 神经网络

在这里插入图片描述

5.1.3 多元分类

在这里插入图片描述

5.2 反向传播算法

在这里插入图片描述

5.2.1 反向传播算法

在这里插入图片描述

5.2.2 梯度检测

在这里插入图片描述

5.2.3 随机初始化

在这里插入图片描述

5.3 总结

在这里插入图片描述

第六章 模型评估与选择

6.1 模型评估

6.2 模型选择

在这里插入图片描述

6.3 误差诊断

6.3.1 方差偏差判断

在这里插入图片描述

6.3.2 正则化对方差偏差影响

在这里插入图片描述

6.3.3 学习曲线

在这里插入图片描述

6.4 机器学习系统设计

在这里插入图片描述

6.5 偏斜类问题的误差评估

在这里插入图片描述

第七章 支持向量机

7.1 模型描述

在这里插入图片描述

7.2 大间隔分类器

在这里插入图片描述

7.3 核函数

在这里插入图片描述

7.4 SVM参数影响

7.4.1 高斯核函数

在这里插入图片描述

7.4.2 正则化参数

在这里插入图片描述

7.5 SVM实践

7.5.1 应用SVM

在这里插入图片描述

7.5.2 多分类SVM

在这里插入图片描述

7.5.3 逻辑回归VS支持向量机

在这里插入图片描述

第八章 无监督学习

8.1 聚类

8.1.1 K-Means聚类算法

在这里插入图片描述

8.1.2 优化目标

在这里插入图片描述

8.1.3 随机初始化

在这里插入图片描述

8.1.4 聚类数量选取

在这里插入图片描述

8.2 降维

降维目的主要有两个：数据压缩和数据可视化

8.2.1 主成分分析法

在这里插入图片描述

8.2.2 主成分数量选择

8.2.2.1 穷举法

在这里插入图片描述

8.2.2.2 奇异值法

在这里插入图片描述

8.2.3 主成分分析法应用

在这里插入图片描述

第九章 异常检测

9.1 异常检测算法

在这里插入图片描述

9.2 开发和评估异常检测系统

在这里插入图片描述

9.3 异常检测VS监督学习

在这里插入图片描述

9.4 异常检测特征选择

9.4.1 高斯分布处理

在这里插入图片描述

9.4.2 误差分析

在这里插入图片描述

9.5 多元高斯分布

9.5.1 问题提出

在这里插入图片描述

9.5.2 算法流程

在这里插入图片描述

9.5.3 传统高斯分布模型VS多元高斯分布模型

在这里插入图片描述

第十章 推荐系统

在这里插入图片描述

10.1 基于内容的推荐算法

在这里插入图片描述

10.2 协同过滤推荐算法

10.2.1 协同过滤

在这里插入图片描述

10.2.2 协同过滤算法

在这里插入图片描述

10.2.3 向量化实现

在这里插入图片描述

10.2.4 相关商品推荐

在这里插入图片描述

10.2.5 均值归一化

在这里插入图片描述

第十一章 大规模机器学习

11.1 随机梯度下降

11.1.1 算法流程

在这里插入图片描述

11.1.2 检验收敛

在这里插入图片描述

11.1.3 学习率动态调整

在这里插入图片描述

11.2 Mini-Batch梯度下降

在这里插入图片描述

11.3 在线学习

在这里插入图片描述

11.4 减少映射与数据并行

在这里插入图片描述

第十二章 照片OCR

12.1 问题描述

在这里插入图片描述

12.2 滑动窗口

在这里插入图片描述

12.3 获取大量数据

在这里插入图片描述

12.4 性能上限分析

在这里插入图片描述

GY_XGY
关注
  • 0
    点赞
  • 踩
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
机器学习笔记
qq_50569125的博客
04-21 1223
1.概念 Simple and efficient tools for predictive data analysis 【预测数据分析结果】 用机器代替人做决策 数据集 =》 训练 =》 模型 2.Built on NumPy, SciPy, and matplotlib、pandas 2.机器学习里面的常用术语 ： 1.数据集准备 色泽= 绿色 、根=弯曲 、 敲声 = 浑浊 =》 熟的 色泽= 黑色 、根...
机器学习入门学习笔记
weixin_51579074的博客
07-25 329
机器学习入门学习笔记
吴恩达机器学习笔记
weixin_43807601的博客
06-14 2040
吴恩达机器学习笔记
吴恩达 机器学习课程笔记
爱吃棉花糖~
10-08 149
吴恩达 机器学习课程笔记学习视频第1章1-2什么是机器学习1-3 监督学习(supervised learning algorithm)1-4 无监督学习(unsupervised learning algorithm)第2章2-1 模型描述 学习视频 https://www.bilibili.com/video/BV164411b7dx?p=4 书籍：周志华 西瓜书 第1章 1-2什么是机器学习 机器学习：计算机程序从经验E（experience）中学习，解决某一任务T（task），进行某一性能度量P（
吴恩达 - 机器学习课程笔记（持续更新）
做一只猫的博客
02-26 2万+
吴恩达机器学习
吴恩达机器学习课程笔记——第一周
yanyunfei0921的博客
08-05 403
吴恩达机器学习课程笔记——第一周。
机器学习笔记（吴恩达）
kyxdjy的博客
04-25 3499
机器学习笔记（吴恩达）
【学习笔记】吴恩达机器学习 | 汇总 | 已完结！！！
热门推荐
BenjaminChen的博客
07-16 9万+
【学习笔记】吴恩达机器学习 | 汇总 | 已完结！！！
[中英字幕]吴恩达机器学习系列课程 笔记
sinat_39448069的博客
01-04 2475
[中英字幕]吴恩达机器学习系列课程 笔记教程与代码地址P1 1-1.欢迎参加《机器学习》课程P2 1-2.什么是机器学习？P3 1-3.监督学习P4 1-4.无监督学习P5 2-1.模型描述P6 2-2.代价函数P7 2-3.代价函数（一）P8 2-4.代价函数（二）P9 2-5.梯度下降P10 2-6.梯度下降知识点总结P11 2-7.线性回归的梯度下降P12 3-1.矩阵和向量P13 3-2.加法和标量乘法P14 3-3.矩阵向量乘法P15 3-4.矩阵乘法P16 3-5.矩阵乘法特征P17 3-6.逆
机器学习课笔记_吴恩达机器学习笔记_
10-01
吴恩达机器学习视频配套笔记，大家可以在B站上搜索视频进行学习
吴恩达机器学习手写笔记
07-30
由于吴恩达机器学习课程中存在大量公式以及图像的绘制，课程的全部内容笔记我进行了手写，在此进行免费分享。对于其中可能存在的笔误、错误、不当之处，如果阅读过程中发现，可以私信我。小白刚刚接触计算机视觉，很...
对于吴恩达机器学习的学习笔记
04-13
本课程提供了一个广泛的介绍机器学习、数据挖掘、统计模式识别的课程。主题包括： （一）监督学习（参数/非参数算法，支持向量机，核函数，神经网络）。 （二）无监督学习（聚类，降维，推荐系统，深入学习推荐）。 ...
吴恩达老师机器学习课程笔记pdf
10-28
作者黄海广，GitHub地址：https://github.com/fengdu78/Coursera-ML-AndrewNg-Notes
机器学习学习（2）
最新发布
nimo观察者
06-02 436
特点：用户不仅表达模型结构，还需要表 达执行步骤，并且按照每一步定义进行执行，由于无法像声明式编程获取完整计算 图并优化后执行，所以难以提供全面的计算图优化，但是由于其简单易用，灵活性高，在模型研究人员中也有很高的用户基础，并不断在新的研究工作中被广泛使用，从而打下广泛的用户基础。计算图的优化被定义为作为在计算图上的函数，通过一系列等价或者近似的 优化操作将输入的计算图变换为一个新的计算图。算子是构成神经网络的基本计算单元，对张量数据进行加工处理，实现了多种机器学习中常用的计算逻辑。
机器学习学习
nimo观察者
06-02 909
循环神经网络（Recurrent Neural Network）：NN 结构只能单独的去处理一个个的输入，前一个输入和后一个输入是完全没有关系的，RNN 允许神经单元包含循环，这样信息可以在不同时刻传输，适合时序数据预测（例如，自然语言处理，语音识别，监控时序数据等）。Transformer模型：摒弃了固有的定式，并没有用任何CNN或者RNN的结构，而是使用了Attention注意力机制，自动捕捉输入序列不同位置处的相对关联，善于处理较长文本，并且该模型可以高度并行地工作，训练速度很快。
线性代数|机器学习-P4正交矩阵中的标准正交向量
scar2016的博客
06-02 654
【代码】线性代数|机器学习-P4正交矩阵中的标准正交向量。
LLMs之Embedding：FlagEmbedding(一款用于微调/评估文本嵌入模型的工具)的简介、安装和使用方法、案例应用之详细攻略
近期请国内外头部出版社可尽快私信博主！——心比天高，仗剑走天涯，保持热爱，奔赴向梦想！低调，谦虚，自律，反思，成长，还算是比较正能量的博主，公益免费传播……内心特别想在AI界做出一些可以推进历史进程影响力的东西(兴趣使然，有点小情怀，也有点使命感呀)…
05-29 892
​ LLMs之Embedding：FlagEmbedding(一款用于微调/评估文本嵌入模型的工具)的简介、安装和使用方法、案例应用之详细攻略 目录 FlagEmbedding的简介 FlagEmbedding的安装和使用方法 FlagEmbedding的案例应用 FlagEmbedding的简介 FlagEmbedding是一个用于微调文本嵌入模型的工具，旨在通过利用特定任务的数据，提升预训练的文本嵌入模型在该任务上的性能。在这个示例中，我们展示了如何使用您的数据微
算法金 | 再见，支持向量机 SVM！
算法金「全网同名」的博客
05-28 1040
支持向量机（SVM）是一种监督学习模型，用于解决分类和回归问题。它的核心思想是在特征空间中寻找一个最优的超平面，以此作为决策边界来区分不同类别的数据。SVM的目标是最大化这个决策边界的间隔，即数据点到超平面的最短距离。间隔越大，模型的泛化能力越强，越能减少过拟合的风险。SVM由 Vapnik 在 1995 年提出，因其出色的性能和广泛的应用，迅速成为机器学习领域的一个重要算法。
吴恩达机器学习python笔记
09-01
然而，您可以在吴恩达的机器学习课程中找到相关的学习材料和笔记。这门课程是由斯坦福大学提供的免费在线课程，您可以通过Coursera平台来学习。在这门课程中，您将学习到机器学习的基本概念、算法和实践技巧，并且会...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值