1 ML：简介1.1 什么是机器学习？现有两种机器学习的定义。一、亚瑟·塞缪尔（Arthur Samuel）将其描述为：“使计算机无需进行明确编程即可习得的研究领域。” 这是一个较旧的非正式定义。二、汤姆·米切尔（Tom Mitchell）提出了一个更现代的定义：“如果某计算机程序在任务T（Task）上的性能P（Performance）随着经验E（Experience）的增加而提高，那么可以说计算
//study.163.com/cours
原创
2022-12-11 23:29:00
324阅读
1. 单变量线性回归(Linear Regression with One Variable)1.1 模型表示像上述公式，因为只含有一个特征/输入变量，因此这样的问题叫作单变量线性回归问题。例子如下： 单变量线性方程，就是我们初中就学的一元一次函数。 当然啦，除了这个模型之外，我们还有很多其他的线性模型，比如指数模型、对数模型等等，除了线性模型之外，还有非线性模型，有这么多的模型，其目的就是在于
一、前言1.1 监督学习：监督学习：见度给出数据集和正确答案，要求机器给出更多的正确答案（实现预测）数据问题 && 分类问题单个 or 多个 特征/属性特征：年龄、肿瘤尺寸；Q：无数个特征又该怎么办？1.2 无监督学习将数据集分簇 -> 聚类算法，聚类算法只是无监督算法中的一种；无监督学习：给定数据集，但没有给出正确答案，要求机器对其分类，我们不知道这个数据集有多少类， 看机器把它们分成多少个簇；计算机集群 、社交网络、市场分析；鸡尾酒会算法：一个
原创
2022-01-04 09:40:15
734阅读
今天开始写吴恩达机器学习的学习笔记。课程的第一部分是类似于引言的东西，故笔记略过。 第二部分内容算是机器学习的正式入门，老师讲解了一个算法实例：梯度下降线性回归。通过其讲解数学原理，总览了机器学习的工作流程和核心思想。 本笔记将不按照课程顺序编排，而是将这一部分功能按模块划。 //个人水平有限，我的所有笔记内容仅供参考，具体内容还请以课程为准。另外如有错误，还望大佬指出，我立刻更正。 #课程中一
转载
2023-12-11 22:15:56
120阅读
文章目录1. 绪论：初识机器学习1.1 欢迎参加课程什么是机器学习？机器学习能做什么？1.2 机器学习是什么第一个机器学习的定义另一个定义1.3 监督学习（Supervised Learning）回归问题举例分类问题举例1.4 无（/非）监督学习（Unsupervised Learning） 1. 绪论：初识机器学习1.1 欢迎参加课程什么是机器学习？让机器试着模仿人的大脑，自己学习怎么来解决问
转载
2024-04-22 19:05:40
54阅读
吴恩达coursera《机器学习》第一章1-2什么是机器学习？定义： A computer program is said to learn from experience E with respect to some task T and some performance measure P,if its performance on T, as measured by P,improves w
转载
2024-04-22 19:06:37
72阅读
第一周一、引言1.1 欢迎1.2 机器学习是什么1.3 监督学习1.4 无监督学习二、单变量线性回归2.1 模型表示2.2 代价函数2.3 代价函数的直观理解 I2.4 代价函数的直观理解 II2.5 梯度下降2.6 梯度下降的直观理解2.7 梯度下降的线性回归2.8 接下来的内容三、线性代数回顾3.1 矩阵和向量3.2 加法和标量乘法3.3 矩阵向量乘法3.4 矩阵乘法3-5 矩阵乘法特征（1）
转载
2024-07-31 16:20:28
141阅读
目录：1.机器学习是什么？ 2.监督学习 3.无监督学习 4.线性回归 5.代价函数 5.1 代价函数的直观理解1 5.2 代价函数的直观理解2 6.梯度下降 7.梯度下降的线性回归 8.线性代数回顾 8.1 矩阵和向量 8.2 加法和标量乘法 8.3 矩阵向量乘法 8.4 矩阵乘法 8.5 矩阵乘法的性质 8.6 逆、转置1.机器学习是什么？来自卡内基梅隆大学的Tom Mitchell定义的机器
转载
2023-09-25 06:03:37
135阅读
## 如何实现吴恩达机器学习笔记的Github
作为一名经验丰富的开发者，我将指导你如何实现吴恩达机器学习笔记的Github。下面是整个流程的表格展示：
| 步骤 | 描述 |
|------|------|
| 1 | 创建Github账号 |
| 2 | 创建新的仓库 |
| 3 | 克隆仓库到本地 |
| 4 | 添加机器学习笔记文件 |
| 5 | 将本地的更改推送到Github |
原创
2024-01-16 11:00:27
212阅读
# 机器学习入门：吴恩达的课程笔记
机器学习是人工智能的一个重要分支，近年来在各个领域的应用越来越广泛。而吴恩达的机器学习课程因其深入浅出的讲解而备受欢迎。本文将介绍机器学习的基本流程，并提供简单的代码示例，帮助大家初步了解机器学习。
## 机器学习的基本流程
机器学习的一般流程可以分为以下几个步骤：
```mermaid
flowchart TD
A[数据收集] --> B[数据
原创
2024-09-27 07:38:44
78阅读
Q1:机器学习的定义？（1）一种机器学习的定义：一个程序被认为能从经验E中学习，解决任务T，达到性能指标度量值P，当且仅当，有了经验E后，经过P评判，程序在处理T时的性能有所提升。（2） 从广义上来说，机器学习是一种能够赋予机器学习的能力以此让它完成直接编程无法完成的功能的方法。但从实践的意义上来说，机器学习是一种通过利用数据，训练出模型，然后使用模型预测的一种方法。（）（3）机器学习算
1.逻辑回归1.1 分类问题首先要明确，逻辑回归解决的是分类问题。比如电子邮件是否为垃圾邮件等都属于分类问题1.1.1 二元分类将因变量可能属于的两个类分别称为正类(用1表示)和负类(用0表示)，还是使用线性回归去处理该分类问题，得到以下图像：其中，当，预测;当，预测。对于上述训练集而言，分类的效果很好(前四个点实际为0，后四个点实际为1)。但是如果出现一个TumorSize很大，且实际值为1的样
# 吴恩达机器学习笔记：浅析机器学习的基石
机器学习作为人工智能的一个重要分支，近年来在各个领域取得了显著的进展。吴恩达的机器学习课程是其领域内极具影响力的经典课程之一。本篇文章将围绕这一课程的核心内容进行介绍，并结合一些代码示例，以帮助读者更好地理解机器学习的基本概念和方法。
## 什么是机器学习？
机器学习是利用数据和算法训练计算机，使其能在没有明确程序指令的情况下，自主进行预测和决策的
原创
2024-09-27 04:48:45
179阅读
2022吴恩达机器学习课程学习笔记（第一课第二周）多维特征向量化用于多元线性回归的梯度下降法多元线性回归的实现正规方程特征缩放特征大小、参数大小以及梯度下降之间的关系特征缩放定义特征缩放实现判断梯度下降是否收敛画学习曲线图自动收敛测试如何设置学习率特征工程多项式回归 多维特征上周我们学习了单特征线性回归模型，但通常情况我们会有很多个特征作为模型的输入，此时，记 n 为特征的总数，x(i) （
一。 什么是机器学习(Machine Learning)？首先学习的对象是电脑学习指的其实就是算法机器学习就是基于数据基于算法从数据中去提炼对事物的认知和规律 掌握了这些特征和规律后就可以对新的事物去进行预测和判断 二。 什么叫训练，什么叫模型？1. 训练是只有在监督学习中才
#网课链接2014 #讲义2014 #笔记链接2014 #代码2017 ...
转载
2021-09-22 14:16:00
431阅读
2评论
吴恩达机器学习课程笔记（一）前言目录P1-1 什么是机器学习P1-2 监督学习和无监督学习总结 前言大家好，这是我第一次写技术博客，主要是想把自己学到的东西都记录下来，以达到整理总结的目的，同时将自己的学习总结分享出去，供大家参考，希望与大家共同努力，一起进步！目录P1-1 什么是机器学习关于机器学习，一直以来没有一个明确的定义。这节课程给了如下两个定义：1、Arthur Samuel(1959
转载
2023-09-23 08:52:04
107阅读
本系列为吴恩达斯坦福CS229机器学习课程笔记整理，以下为笔记目录： （一）线性回归 （二）逻辑回归 （三）神经网络 （四）算法分析与优化 （五）支持向量机 （六）K-Means （七）特征降维 （八）异常检测 （九）推荐系统 （十）大规模机器学习第一章 线性回归一、ML引言学习行为，定制服务监督学习和非监督学习了解应用学习算法的实用建议
1.3 监督学习
基本思
转载
2024-08-01 06:55:08
126阅读
机器学习入门知识一.机器学习定义二.机器学习分类监督学习(supervised learning)无监督学习(unsupervised learning)其它类型的机器学习三.模型相关描述及常用变量符号规定训练集(Training set)、测试集(Test set)和验证集(Validation set)假设函数(Hypothesis)代价函数(Cost function)常用变量符号规定总结
转载
2024-04-11 10:32:31
48阅读
