一. 引言1. 什么是机器学习机器学习（Machine Learning）：是研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能。一个程序被认为能从经验E中学习，解决任务 T，达到性能度量值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. 监督学习和无监督学习（1）监督学习（Supervised Learning）
转载
2023-09-15 17:25:04
197阅读
31.解读学习曲线：其他情况下图反映了高方差，通过增加数据集可以改善。下图反映了高偏差和高方差，需要找到一种方法来同时减少方差和偏差。32.绘制学习曲线情况：当数据集非常小时，比如只有100个样本，这时绘制出来的学习曲线可能噪声非常大。解决方法：（1）与其只使用10个样本训练单个模型，不如从你原来的100个样本中进行随机有放回抽样，选择几批（比如3-10）不同的10个样本进行组合。在这些数据上训练
转载
2023-07-14 16:50:33
14阅读
11.何时修改开发集、测试集和度量指标开展一个新项目，尽快选好开发集和测试集；例子，根据度量指标A分类器排在B分类器前面，但是团队认为B分类器在实际产品上优于A分类器，这时就需要考虑修改开发集和测试集，或者评价指标了。有三个主要原因可能导致A分类器的评分较低：（1）你需要处理实际数据的分布和开发集、测试机数据的分布情况不同。（2）你的开发集上过拟合。（3）该指标所度量的不是项目应当优化的目标。12
转载
2024-05-21 11:17:30
47阅读
吴恩达老师近日在网易云课堂达成合作，开始新的课程。我也跟着后面学习，顺便再博客园中做个笔记，以加深记忆！此次老师的课程主要讲解五个部分：1.Neural Networks and Deep Learning2.Improve Deep Neural Networks:Hyperparameter tuning,Regularization and Optimization3.Structuring
转载
2023-07-12 15:13:22
240阅读
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
## 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
摘要： 《Machine Learning Yearning》是人工智能和深度学习界的专家吴恩达写的一本书，这本书致力于讲明白机器学习算法是怎样工作的，以及如何构建一个机器学习项目。这里我们选取了这本书中7个非常有用的建议向大家介绍。人工智能、机器学习和深度学习这些概念在飞速发展同时促使着工业界发生转变。吴恩达是这个领域的领军人物之一，他是Coursera联合创始人，百度人工智能团队的前负责人，以
吴恩达机器学习栏目清单 文章目录17.大规模机器学习(Large Scale Machine Learning)17.1 大型数据集的学习17.2 随机梯度下降法17.3 小批量梯度下降17.4 随机梯度下降收敛17.5 在线学习17.6 映射化简和数据并行 17.大规模机器学习(Large Scale Machine Learning)17.1 大型数据集的学习参考视频: 17 - 1 - Le
转载
2024-07-24 17:07:56
28阅读
# 如何实现吴恩达机器学习GitHub资料
吴恩达的机器学习课程是许多初学者学习机器学习的跳板。在本篇文章中，我将向你逐步介绍如何实现吴恩达的机器学习GitHub资料。整个过程包括克隆GitHub项目、安装依赖、运行代码等几个步骤。以下是整个流程的概要：
| 步骤 | 操作 | 说明
原创
2024-09-29 04:56:31
296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
YouTube课程地址https://www.youtube.com/playlist?list=PLOXON7BTL9IW7Ggbc09jLqGmzkwPI4-3V 截止2021-5-3, 有112 个视频1. 第一课：Machine Learning 的作用AI工作机会缺口一直很大计算机新的技能数据挖掘：google、Facebook等点击手机数据，医疗记录，生物智能基因检测，程序员技能。硬件
转载
2023-10-13 16:14:42
115阅读
前言：吴恩达的新书，目前只看到前14章，做个学习笔记。 深度学习（神经网络）已经出现多年，为何有些概念最近才火，有两个条件：可获取数据，大数据的到来，使数据量足够作为训练数据计算能力变强对于传统算法，比如logistic回归，数据量变大并不会大幅度提高性能，而在较少的隐藏层的神经网络上就可以有较高提升。 目前，提高算法性能的方法： 1）训练更多的网络，train a bigger networ
转载
2023-11-26 15:00:56
101阅读
#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
大家好！我是louwill。吴恩达老师2022年机器学习专项课（Machine Learning Specialization）上周全新来袭，课程本身并不是新课，与10年前的机器学习专项课相比，编程语言用Python代替了此前的Octave，主要定位于机器学习入门与初学者。Machine Learning Specialization主要包括3门课：监督机器学习：回归与分类高级学习算法无监督学习，
转载
2023-12-13 19:15:29
66阅读
一. 欢迎参加《机器学习》课程机器学习的应用：1.数据挖掘：更好的理解用户2.无法用编写程序解决：自动驾驶3.个性化推荐4.AI：像人类一样学习二. 什么是机器学习？机器学习定义：Arthur Samuel对机器学习的定义：在没有明确设置的情况下，使计算机具有学习能力的研究领域(有些陈旧，不正式)Tom Mitchell：计算机程序从经验E中学习解决某一任务T，进行某一性能度量P，通过P测定在T上
转载
2024-08-16 13:18:50
18阅读
什么是机器学习广义上：机器学习是一种能够赋予机械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。实践意义： 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。通俗来讲：三个基本要素：任务T、经验E和性能P。机器学习=通过经验E的改进后，机器在任务T上的性能P所度量的性能有所改进=T–>(从E中学习)–>P（提高） 监督学习 我们给算法一个数据集
转载
2023-10-05 16:24:20
233阅读
注：本人已经学完了吴恩达老师机器学习深度学习的全部课程，整理出来的知识点是比较笼统的、自己总结的一些结论和经验，发在这里主要是为了方便自己复习翻阅，已经学完大部分课程或者对深度学习有了一定基础的uu可以阅读下~欢迎批评指正。深度学习的实践层面Train/Dev/Test sets只有训练集和测试集：七三分有验证集且总数量不多：六二二分有验证集且总数量很多-百万级别：大部分作交叉验证集 假设我们有
转载
2023-10-28 01:31:28
94阅读
这周主要讲的是超参数的调试、Batch Norm以及多分类。Hyperparameter TuningTuning Processα
α
。第二重要的一般是动量参数β
β
以及Hidden Units的数量，还有mini-batch的大小。第三是层数以及learning_rat
转载
2024-07-09 18:11:43
67阅读
# 如何实现“深度学习吴恩达 GitHub”项目
在本文中，我们将介绍如何实现吴恩达的深度学习课程的GitHub版本。这个过程分为几个步骤，下面是整个流程的概览：
## 流程步骤表
| 步骤 | 描述 |
|------------------|-----------------------|
| 1. 安装Git |
