![](https://img-blog.csdnimg.cn/20201014180756927.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
AI & 机器学习
文章平均质量分 84
AI架构师易筋
工作10+年,AI方向架构师,曾经任职阿里巴巴,世界500强HSBC。擅长大模型LLM原理、架构、深度学习、Transformer、算法、数据结构、设计模式。易筋乃阿里巴巴花名。
展开
-
python超实用插件REST Client、autoDocstring、Better Comments
可以看到header 是 zgpeace, body设置 value1,点击右上角还可以保存response数据。可以生成的语言列表Go, Java, Python, C, Swift…这里选择Python。点击代码头上的 Send Request 就可以发送网页请求,右侧就是response。Better Comments扩展将帮助您在代码中创建更加人性化的注释。选择需要生成的代码,右键 Generate Code Snippet。光标必须位于定义正下方的行上,以生成完全自动填充的文档字符串。原创 2023-12-21 17:08:41 · 1128 阅读 · 0 评论 -
AssemblyAI推荐的机器学习入门学习指南
这份AssemblyAI推荐的机器学习入门学习指南观看视频。原创 2023-03-31 23:55:08 · 188 阅读 · 0 评论 -
翻译: ChatGPT 的激发敬畏、恐惧、特技和试图绕过其护栏的尝试
来自 OpenAI 的新聊天机器人正在激发敬畏、恐惧、特技和试图绕过其护栏的尝试。以下是 DALL-E 2 在给出提示时生成的内容,“采用 AI 聊天机器人形式的分布式语言超级大脑。” “A distributed linguistic superbrain that takes the form of an A.I. chatbot.” 信用…凯文·罗斯,来自 DALL-E像大多数阅读科幻小说的书呆子一样,我花了很多时间想知道社会将如何迎接真正的人工智能,如果它到来以及何时到来。我们会恐慌吗?原创 2022-12-12 09:27:34 · 5698 阅读 · 0 评论 -
MLOps- 吴恩达Andrew Ng Overview of the ML Lifecycle and Deployment Week1 论文等资料汇总
DeepLearningAIhttps://www.youtube.com/c/Deeplearningai/videosML Ops 介绍,ML project LifecycleWeek 1 Optional ReferencesWeek 1: Overview of the ML Lifecycle and DeploymentIf you wish to dive more deeply into the topics covered this week, feel free原创 2021-08-30 07:53:36 · 258 阅读 · 0 评论 -
翻译:生产中的机器学习:为什么你应该关心数据和概念漂移
没有模型可以永远持续下去。即使数据质量很好,模型本身也会开始退化。这在实践中意味着什么?1. 会出什么问题?机器学习模型经常处理损坏、延迟或不完整的数据。数据质量问题占生产故障的主要部分。但假设它被覆盖了。数据工程团队做得很好,数据所有者和生产者没有受到伤害,也没有系统崩溃。这是否意味着我们的模型是安全的?可悲的是,这从来都不是给定的。虽然数据可能是正确的,但模型本身可能会开始退化。在此上下文中使用了一些术语。让我们潜入。2. 模型衰减过去的表现并不能保证将来的结果。— 大多数金融产品的小字原创 2021-09-02 08:35:51 · 1599 阅读 · 0 评论 -
MLOps- 吴恩达Andrew Ng Overview of the ML Lifecycle and Deployment Week1 部署深度学习模型model 实现作业
资源https://github.com/https-deeplearning-ai/machine-learning-engineering-for-production-public/tree/main/course1/week1-ungraded-lab介绍欢迎来到机器学习工程生产课程 1 的第一周。在这个未分级的实验室中,您将完成部署已经训练好的深度学习模型的过程。为此,我们将利用用户友好的库 fastAPI,它提供了一个很好的 REST API 框架。本教程专为在您的机器上本地运行而设计。原创 2021-08-31 08:08:18 · 354 阅读 · 0 评论 -
MLOps- 吴恩达Andrew Ng Data Definition and Baseline Week3 实验作业
第 3 周 - 实验室:数据标记欢迎来到生产机器学习工程第 3 周的实验室。在本实验中,您将看到数据标记过程如何影响分类模型的性能。标记数据通常是一项劳动密集型且成本高昂的任务,但它非常重要。正如您在讲座中看到的,标记数据的方法有很多种,这取决于所使用的策略。回想一下鬣蜥的例子,以下所有标签都是有效的标签替代方案,但它们显然遵循不同的标准。您可以将每种标签策略视为不同标签者遵循不同标签规则的结果。如果您的数据由使用不同标准的人标记,这将对您的学习算法产生负面影响。希望在整个数据集上具有一致的标签。原创 2021-09-06 13:22:46 · 241 阅读 · 0 评论 -
MLOps- 吴恩达Andrew Ng Data Definition and Baseline Week3 论文等资料汇总
论文和引用Introduction to Machine Learning in ProductionThis is a compilation of resources including URLs and papers appearing in lecture videos.Overall resources:Konstantinos, Katsiapis, Karmarkar, A., Altay, A., Zaks, A., Polyzotis, N., … Li, Z. (2020..原创 2021-09-06 07:47:41 · 324 阅读 · 2 评论 -
MLOps- 吴恩达Andrew Ng Selecting and Training a Model Week2 论文等资料汇总
Week 2: Select and Train ModelIf you wish to dive more deeply into the topics covered this week, feel free to check out these optional references. You won’t have to read these to complete this week’s practice quizzes.Establishing a baselineError ana原创 2021-09-02 08:13:55 · 139 阅读 · 0 评论 -
翻译:监控生产中的机器学习模型
介绍一旦您将机器学习模型部署到生产环境中,很快就会发现工作还没有结束。在许多方面,旅程才刚刚开始。您如何知道您的模型是否按照您的预期运行?当客户(或欺诈者)行为发生变化并且您的训练数据陈旧时,下周/月/年会怎样?这些都是复杂的挑战,而且机器学习监控在工具和技术方面都是一个快速发展的领域。似乎这还不够,监控是一项真正的跨学科工作,但“监控”一词在数据科学、工程、DevOps 和业务中可能意味着不同的含义。鉴于这种复杂性和模糊性的艰难组合,许多数据科学家和机器学习 (ML) 工程师对监控感到不确定也就不原创 2021-09-07 09:06:35 · 892 阅读 · 0 评论 -
MLOps- 吴恩达Andrew Ng Selecting and Training a Model Week2 实验作业
第 2 周 - 未分级实验室:数据之旅欢迎来到生产机器学习工程第 2 周的未分级实验室。深度学习背后的范式现在正面临从以模型为中心到以数据为中心的转变。在本实验中,您将看到复杂的数据如何影响模型的结果。为了向您展示在不解决模型的情况下应用数据更改需要多远,您将始终使用一个模型:一个简单的卷积神经网络 (CNN)。在训练这个模型的过程中,你将解决一些常见问题:类不平衡和过度拟合。在您解决这些问题时,实验室将引导您了解有用的诊断工具和方法,以缓解这些常见问题。开始实验室前的重要注意事项在 Colab 中打原创 2021-09-02 21:58:09 · 461 阅读 · 0 评论 -
翻译: Transfer learning 迁移学习指南
这是您需要了解的有关经典迁移学习和深度迁移学习的所有信息。阅读本指南可改进您的模型训练并在更短的时间内获得更好的性能。1. 背景事情是这样的——至少可以说,在处理一项全新的任务时收集大量数据可能具有挑战性。然而-仅使用有限数量的训练数据获得令人满意的模型性能(想想:模型准确性)也很棘手……如果不是不可能的话。幸运的是,有一个解决方案可以解决这个问题,它的名字叫迁移学习。这几乎好得令人难以置信,因为它的想法非常简单:您可以用少量数据训练模型,并且仍然可以达到高水平的性能。很酷,对吧? 好吧,请原创 2022-04-25 07:27:27 · 1323 阅读 · 0 评论 -
深度学习经典论文翻译合集Deep Learning Papers Translation(CV)
1. 图像分类Image Classification1.1 AlexNetImageNet Classification with Deep Convolutional Neural Networks中文版中英文对照1.2.VGGVery Deep Convolutional Networks for Large-Scale Image Recognition中文版中英文对照1.3 ResNetDeep Residual Learning for Image Recognition中原创 2021-08-15 13:11:18 · 2499 阅读 · 0 评论 -
图灵奖得主大全
图灵奖(英语:ACM A.M. Turing Award),又译杜林奖、A.M.图灵奖[2],是计算机协会(ACM)于1966年设立的奖项,专门奖励对计算机事业作出重要贡献的个人。其名称取自世界计算机科学的先驱、英国科学家、曼彻斯特大学教授艾伦·图灵(A.M. Turing),这个奖设立目的之一是纪念这位现代计算机科学的奠基者。获奖者必须是在计算机领域具有持久而重大的先进性的技术贡献。大多数获奖者是计算机科学家。图灵奖是计算机界最负盛名的奖项,有“计算机界诺贝尔奖”之称。图灵奖对获奖者的要求极高,评奖程序原创 2021-08-07 14:05:17 · 3255 阅读 · 0 评论 -
价值连城 图灵奖得主Yann LeCun 杨立昆的采访 给AI从业者的建议
嗨 Yann,长久以来您一直是深度学习的领导者 谢谢你能过来和我一起来聊聊谢谢你能邀请我过来你已经在神经网络领域工作了很长时间了 我特别想听听你的故事, 关于你怎么开始从事人工智能 怎么开始研究神经网络?—我一直对于 “智慧”,或者说哪里产生了人类的智慧很感兴趣 从小就对人类的演化很感兴趣那时你应该在法国吧?对, 是的, 当时在法国 当时我在上中学 我对科技,太空特别感兴趣 我最喜欢的电影是: 2001太空漫游 (2001 Space Odyssey) 在剧里面, 你可以看到智能机器, 空间...原创 2021-08-07 13:36:22 · 834 阅读 · 0 评论 -
价值连城 Apple研究院总监 Ruslan Salakhutdinov的采访 给AI 深度学习从业者的建议
欢迎Rus!很高兴今天你可以来。谢谢Andrew。你现在是苹果研究院的一个总监, 同时你也是卡耐基梅隆大学(CMU)的教授, 我想听你讲一下你的个人经历。 你是如何最终走上了现在的道路的呢?噢,这,从某种程度上, 我开始从事深度学习工作是比较偶然的。 在多伦多大学完成了硕士学位后 我离开学校了一年 那一年里,我在金融行业工作。 我自己想起来也有点惊讶。 在那个时候,我不太确定是否要去攻读博士学位 或者做点什么其他。 然后发生了一件事情,一年意外的事情 一天早上我要去上班,我碰见了Geoff Hin..原创 2021-08-01 18:50:20 · 311 阅读 · 0 评论 -
AI新生 人类最后一个大问题 破解人机共存密码 Human Compatible Stuart Russell
英文书名《Human Compatible: AI and the Problem of Control》作者简介斯图尔特·乔纳森·罗素 OBE(生于 1962 年)是一位英国计算机科学家,以其对人工智能的贡献而闻名。[5] [3]他是加州大学伯克利分校的计算机科学教授和加州大学旧金山分校的神经外科兼职教授。[2] [6]他是加州大学伯克利分校的 Smith-Zadeh 工程系主任。[7]他在加州大学伯克利分校创立并领导了人类兼容人工智能中心(CHAI)。[8]罗素是人工智能领域最受欢迎的教科书:人原创 2021-07-31 19:02:04 · 1114 阅读 · 0 评论 -
价值连城 ImageNet图像分类大神 Andrej Karpathy的采访 给AI 深度学习从业者的建议
欢迎你 Andrej 非常荣幸今天能邀请到你 谢谢你的邀请 很多人都知道你在深度学习方面的工作 但并不是每个人都了解你的个人经历 那么 你能先讲讲 你是如何走上深度学习的研究道路吗 —当然可以 我记得 我第一次接触深度学习 是在多伦多大学读本科的时候 当时Geoff Hinton在那儿开设了一门深度学习课程 当时使用MNIST数字集训练受限玻尔兹曼机(Restricted Boltzmann Machine) 我很喜欢Geoff所说的训练网络的方式 他当时用的术语是 网络的心智 我当时觉得 在使用这些.原创 2021-07-30 13:20:40 · 304 阅读 · 0 评论 -
价值连城 图灵奖得主Yoshua Bengio约书亚·本吉奥的采访 给AI从业者的建议
Yoshua 你好 很高兴今天你能来这儿给我们讲讲你的故事 我也很高兴 现在 你不仅是深度学习的研究人员或工程师 你已经是科研机构的代表和深度学习的标志性人物 不过 我真的很想听听你的故事是怎么开始的 你怎么会走进深度学习然后一直追寻这段旅程这么说吧 实际上我小时候就开始了 青春期的时候 我读了很多科幻小说我猜我们当中大多数人都那样 1985年我进入研究生阶段的学习时开始阅读神经网络的论文 我当时非常激动 真的有一种激情那么 在80年代中期 比如1985年阅读这些论文 是种什么感觉呢 你还记得吗 — .原创 2021-07-23 09:22:33 · 454 阅读 · 2 评论 -
总理写的AI科普书 世界的下一个主宰-人工智能 Karim Massimov
《世界的下一个主宰 人工智能》这本书还有孙正义、李开复博士、马云老师等等大咖写序推荐。作者简介卡里姆·卡吉姆汗诺维奇·马西莫夫(Karim Qajymqanuly Massimov)[1],现任哈萨克斯坦国家安全委员会主席。此前曾于2007年1月10日至2012年9月24日以及2014年4月2日至2016年9月8日两度担任哈萨克斯坦政府总理。[2]马西莫夫1965年出生在苏联哈萨克切利诺格勒(今哈萨克斯坦阿斯塔纳)的一个维吾尔人家庭。曾就读于卢蒙巴人民友谊大学(现在的俄罗斯人民友谊大学),1988.原创 2021-07-22 09:40:09 · 581 阅读 · 0 评论 -
价值连城 人工智能的通识课 - 吴恩达Andrew Ng AI For Everyone
AI For Everyonehttps://www.coursera.org/learn/ai-for-everyone/home/welcome课程概要Course 1: AI for EveryoneAI is not only for engineers. If you want your organization to become better at using AI, this is the course to tell everyone – especially your n原创 2021-07-20 09:50:27 · 406 阅读 · 0 评论 -
价值连城 神经网络- 吴恩达Andrew Ng Coursera Neural Networks and Deep Learning
课程Neural Networks and Deep Learninghttps://www.coursera.org/learn/neural-networks-deep-learning/home/welcome价值连城的采访价值连城 杰弗里·欣顿(Geoffrey·Hinton)的采访 给AI从业者的建议价值连城 知名深度强化学习Pieter Abbeel的采访 给机器学习 深度学习 和机器人学研究者从业者的建议价值连城 生成对抗网络(Gans) 的作者Ian Goodfellow的采原创 2021-07-18 12:42:23 · 272 阅读 · 4 评论 -
价值连城 生成对抗网络(Gans) 的作者Ian Goodfellow的采访 给深度学习从业者的建议
您好 Ian 感谢您接受采访您好 Andrew 感谢您的邀请 我很高兴能来到这里现在你是世界上最炙手可热的深度学习研究者之一 请和我们一起来分享一下你的个人故事 你是怎样决定进入这个领域的呢好的 我想 我最开始对机器学习感兴趣 是在认识你以前 之前我一直致力于研究神经系统科学 而我斯坦福的本科导师Jerry Cain鼓励我选修你的AI入门课程哈哈 我现在刚知道这事所以在此之前我一直都认为AI是一个很好的概念 但谈到在实际生活中的应用 我理解为 主要体现在游戏中 有很多事先编码的规则 让一些非...原创 2021-07-16 10:36:33 · 421 阅读 · 2 评论 -
人工智能中的深度结构学习 Learning deep architectures for AI - Yoshua Bengio
图灵奖得主Yoshua Bengio约书亚·本焦 FRS OC FRSC(生于1964年3月5日[1]在巴黎,法国)是加拿大的计算机科学家,最引人注目的为他的工作,人工神经网络和深度学习。他是蒙特利尔大学计算机科学与运筹学系的教授,也是蒙特利尔学习算法研究所(MILA)的科学主任。Bengio与Geoffrey Hinton和Yann LeCun一起获得了 2018 年ACM AM 图灵奖,以表彰他们在深度学习方面的工作。Bengio、Hinton和LeCun有时被称为“人工智能教父”和“深度学习教父原创 2021-07-16 09:20:14 · 789 阅读 · 4 评论 -
机器学习- 吴恩达Andrew Ng Week1 知识总结 Introduciton
Coursera课程地址因为Coursera的课程还有考试和论坛,后续的笔记是基于Courserahttps://www.coursera.org/learn/machine-learning/home/welcome1. 什么是机器学习?提供了机器学习的两种定义。亚瑟·塞缪尔(Arthur Samuel)将其描述为:“让计算机无需明确编程即可学习的研究领域。” 这是一个较旧的非正式定义。Tom Mitchell 提供了一个更现代的定义:“如果计算机程序在 T 中的任务上的性能(以 P 衡量)随着原创 2021-07-13 10:14:10 · 202 阅读 · 0 评论 -
价值连城 图灵奖得主杰弗里·欣顿(Geoffrey·Hinton)的采访 给AI从业者的建议
作为deeplearning.ai带来的这门课程的一部分 我希望不仅仅是教大家深度学习上的技术思路,还能给大家 介绍一些对深度学习发展做出贡献的的英雄们 他们开创出了 许多你们会在这门课程或在这个系列中学习的想法 在这些视频中,我希望可以请求这些深度学习的领袖们 提供关于如何进入深度学习领域的职业建议 提供关于如何可以从事深度学习的研究或者找到一份深度学习的工作的建议 作为本次采访系列的第一部分 我非常高兴向大家展示我们对杰弗里·欣顿(Geoffrey·Hinton)的采访欢迎...原创 2021-07-07 22:52:52 · 1059 阅读 · 8 评论 -
TensorFlow 强化学习快速入门 -- Kaushik Balakrishnan 读后感
与有1750亿个参数的GPT3(Generative Pre-trained Transformer 3)自回归语言模型,是以数据量取胜,它可以自己造数据。强化学习(Reinforcement Learning, RL)是一类从通过试错的方法进行的机器学习方法(已经存在了30多年)。它不需要大量的训练数据,而是通过不断与环境交互,通过一定的奖惩反馈,根据行为导致的结果来调整行文策略,实现预期累计奖励的最大化。著名的 AlphaGo 就采用了基于蒙特卡洛树的强化学习方法,战胜了人类围棋的顶级选手。(Go是.原创 2021-07-07 08:26:42 · 353 阅读 · 4 评论 -
机器学习- 吴恩达Andrew Ng Coursera学习总结合集,编程作业技巧合集
Coursera课程地址因为Coursera的课程还有考试和论坛,后续的笔记是基于Courserahttps://www.coursera.org/learn/machine-learning/home/welcome课程总结机器学习 Machine Learning- 吴恩达Andrew Ng 第1~5课总结机器学习 Machine Learning- 吴恩达Andrew Ng 第6~10课总结机器学习 Machine Learning- 吴恩达Andrew Ng 第11~15课总结原创 2021-07-04 23:21:38 · 562 阅读 · 5 评论 -
机器学习- 吴恩达Andrew Ng Week11 知识总结 Photo OCR
Coursera课程地址因为Coursera的课程还有考试和论坛,后续的笔记是基于Courserahttps://www.coursera.org/learn/machine-learning/home/welcomePhoto OCR - Optical character recognition 光学字符识别1. Problem description2. Sliding windows3. Getting lots of data: Artificial dat原创 2021-07-04 22:54:56 · 160 阅读 · 0 评论 -
机器学习- 吴恩达Andrew Ng Week10 知识总结 Large scale machine learning
Coursera课程地址因为Coursera的课程还有考试和论坛,后续的笔记是基于Courserahttps://www.coursera.org/learn/machine-learning/home/welcomeLarge scale machine learning 大数据集机器学习1. 大数据集学习 Learning with large datasets当我们的算法在 m 很小时具有高方差时,我们主要受益于非常大的数据集。回想一下,如果我们的算法有高偏差,更多的数据将没有任何好处。原创 2021-07-04 17:44:05 · 219 阅读 · 3 评论 -
机器学习- 吴恩达Andrew Ng 编程作业技巧 for Week9 Anomaly Detection
Lecture Noteshttps://www.coursera.org/learn/machine-learning/resources/szFCaFAQ for Week 9 and programming exercise 8https://www.coursera.org/learn/machine-learning/discussions/all/threads/wGS9WEPDEeaL_xIEq4QdBwUnit TestAll Unit Testhttps://www.cou原创 2021-07-03 19:58:54 · 185 阅读 · 0 评论 -
机器学习- 吴恩达Andrew Ng Week9 知识总结 Recommender Systems
Coursera课程地址因为Coursera的课程还有考试和论坛,后续的笔记是基于Courserahttps://www.coursera.org/learn/machine-learning/home/welcomeRecommender Systems 推荐系统1. 问题制定 Problem formulation推荐是目前非常流行的机器学习应用。假设我们正在尝试向客户推荐电影。我们可以使用以下定义n(u) = 用户数n(m) = 电影数量r(i,j) = 1 如果用户 j 对电原创 2021-07-03 18:55:17 · 344 阅读 · 8 评论 -
机器学习- 吴恩达Andrew Ng Week9 知识总结 Anomaly Detection
Coursera课程地址因为Coursera的课程还有考试和论坛,后续的笔记是基于Courserahttps://www.coursera.org/learn/machine-learning/home/welcome异常检测 Anomaly Detection1. 问题动机 Problem motivation就像在其他学习问题中一样,我们得到了一个数据集X(1), X(2), …, X(m).然后我们给出了一个新的例子,x(test), 我们想知道这个新例子是否异常/异常。我们定义了一个原创 2021-07-03 17:28:10 · 270 阅读 · 1 评论 -
深度学习图解 - 具备高中数学知识就能从入门到精通的神书 Andrew W· Trask
先看看一个有趣的问题:“国王 - 男人 + 女人 = ?” 自然语言的神经网络NLP用了词向量解决了这个问题。答案是女王 Queen。深度学习是人工智能的一个分支,受到人类大脑的启发,致力于指导计算机用神经网络进行学习。在线文本翻译、自动驾驶、商品推荐和智能语音助手等一系列令人兴奋的现代技术应用领域,都在深度学习的辅助下取得了突破性进展。本书主要内容包括:深度学习的基础科学原理。自行设计和训练神经网络。隐私保护的知识,包括联邦学习。帮助你继续深度学习之旅的建议。不要担心你在数学上遇到的困难原创 2021-07-02 09:41:34 · 1310 阅读 · 4 评论 -
机器学习- 吴恩达Andrew Ng 编程作业技巧 for Week8 K-Means Clustering and PCA
Lecture Noteshttps://www.coursera.org/learn/machine-learning/resources/kGWsYFAQ for Week 8 and programming exercise 7https://www.coursera.org/learn/machine-learning/discussions/all/threads/XLl24URmEea1pw5frt5utwUnit TestAll Unit Testhttps://www.cou原创 2021-06-27 12:28:57 · 192 阅读 · 0 评论 -
机器学习- 吴恩达Andrew Ng Week8 知识总结 Dimensionality Reduction
Coursera课程地址因为Coursera的课程还有考试和论坛,后续的笔记是基于Courserahttps://www.coursera.org/learn/machine-learning/home/welcome降维Dimensionality Reduction1 动机一:数据压缩 Motivation I: Data Compression如果我们有很多冗余数据,我们可能希望减少特征的维度。为此,我们找到两个高度相关的特征,绘制它们,并创建一条新线,似乎准确地描述了这两个特征。我原创 2021-06-27 07:30:48 · 355 阅读 · 2 评论 -
翻译:如何理解K-means的缺点
K-means的缺点 - 问题K-means 是聚类分析中广泛使用的方法。在我的理解中,这种方法不需要任何假设,即给我一个数据集和一个预先指定的簇数,k,我只是应用这个算法来最小化平方误差总和(SSE),簇内平方错误。所以k-means本质上是一个优化问题。我阅读了一些关于 k-means 缺点的材料。他们中的大多数人说:k-means 假设每个属性(变量)的分布方差是球形的;所有变量都具有相同的方差;所有 k 个簇的先验概率是相同的,即每个簇具有大致相等的观测数;如果违反这 3 个假设中原创 2021-06-26 17:49:57 · 2023 阅读 · 0 评论 -
机器学习- 吴恩达Andrew Ng Week8 知识总结 Clustering
Coursera课程地址因为Coursera的课程还有考试和论坛,后续的笔记是基于Courserahttps://www.coursera.org/learn/machine-learning/home/welcomeClustering ML:聚类1. 无监督学习:简介 Unsupervised learning introduction无监督学习与监督学习形成对比,因为它使用未标记的训练集而不是标记的训练集。回顾监督学习:给结果打标, 对y进行分类非监督学习,就是y没有分类换句话说,原创 2021-06-26 17:19:06 · 203 阅读 · 2 评论 -
机器学习- 吴恩达Andrew Ng 编程作业技巧 for Week7 Support Vector Machines
Support Vector Machineshttps://www.coursera.org/learn/machine-learning/resources/Es9QoFAQ for Week 7 and programming exercise 6https://www.coursera.org/learn/machine-learning/discussions/all/threads/ytrutj_YEeai1RIqHM9jYQUnit TestAll Unit Testhttps原创 2021-06-25 09:37:31 · 197 阅读 · 0 评论 -
机器学习- 吴恩达Andrew Ng Week7 知识总结Support Vector Machines
Coursera课程地址因为Coursera的课程还有考试和论坛,后续的笔记是基于Courserahttps://www.coursera.org/learn/machine-learning/home/welcomeSupport Vector Machines 支持向量机1. Optimization Objective 优化目标在支持向量机(SVM)是另一种类型的监督机器学习算法。它有时更干净、更强大。回想一下,在逻辑回归中,我们使用以下规则:如果y=1,那么如果 y=0,原创 2021-06-24 22:00:22 · 263 阅读 · 0 评论