woaiiu

摘要： 标注 代码 x1=np.linspace(-5,5,50) y1=2*x1+2 plt.figure(num=1,figsize=(8,4)) plt.plot(x1,y1,color='black',linewidth=1) #gea是'get current axis'的简写，也就是把轴拿出来 阅读全文

摘要： 向量化 Logistic 回归的梯度输出 回顾 前面我们已经通过初始化dw为一个列向量去除了第二个for循环 J=0;dw=np.zeros((n,1));db=0; for i = 1 to m z(i) = wx(i)+b; a(i) = sigmoid(z(i)); J += -[y(i)lo 阅读全文

摘要： m个样本的梯度下降 回顾 ​ 上节课我们求得的是单一训练样本的梯度下降，并且得到了一些式子 ​ ​ 之前我们讲成本函数 J (w,b) 是m项各个损失的平均值 ​ 那么，dw1，dw2和db添上上标i，表示的是单一训练样本下的取值。所以要求全局成本函数 J (w,b) 对w1的微 分同样是各项损失对 阅读全文

摘要： figure 语法说明 figure(num=None, figsize=None, dpi=None, facecolor=None, edgecolor=None, frameon=True) """ num : 图像编号或名称，数字为编号，字符串为名称 figsize : 指定figure的宽 阅读全文

摘要： 代码加注释 import numpy as np import tensorflow.compat.v1 as tf import matplotlib.pyplot as plt from tensorflow.examples.tutorials.mnist import input_data 阅读全文

摘要： Mnist数据集 完整代码 import numpy as np import tensorflow.compat.v1 as tf import matplotlib.pyplot as plt from tensorflow.examples.tutorials.mnist import inp 阅读全文

摘要： Logistic回归损失函数 损失函数（loss） 损失函数又叫做误差函数，用来衡量算法的运行情况，是预测值与实际值的差距，Loss function :L*(y^,*y) 衡量的是算法在单个训练样本中表现 损失函数越小，说明预测输出值和实际值越接近 在线性回归中我们看到损失函数的式子是用预测值和实 阅读全文

摘要： 一、学习视频自我小结 二元分类 1、计算机保存一个图片，通过保存红、绿、蓝三个颜色的像素矩阵。 2、这些像素值提取出来，然后放入一个特征向量 x ,如果图片的大小为64x64像素，那么向量 x 的总维度，将是64乘以64乘以3，这是三个像素矩阵中像素的总量 3、二分类问题中，我们的目标就是习得一个分 阅读全文

摘要： 一、作业地址 二、错题思考 第4题：也许之前的一些经验可能会有所帮助，但没有人总是可以找到最佳模型或超参数而无需迭代多次 第7题：单纯的看以上数据的话就是非结构化数据，但是这些数据都被整合到了数据集里面，所以是结构化数据 结构化数据：即行数据,存储在数据库里,可以用二维表结构来逻辑表达实现的数据。 阅读全文

摘要： 一、什么是神经网络（吴恩达教授视频笔记） 假设你有一个房子信息的数据集（六个房子的信息），房子信息可能是房屋面积，然后就可以拟合一个根据房屋面积预测房价的函数。 根据我们以前的数学基础，我们可以根据数据集做出一个xy轴的散点图，然后根据线性回归大致拟合出一条直线 因为价格是不可以为负数的，所以拟合的 阅读全文