2020年8月25日

摘要: 本文参考文章https://blog.csdn.net/u013733326/article/details/80250818完成,原文写的非常好,非常详细,如果是第一次做这个作业的同学可以去看一下这个作者的文章,非常推荐。 本次作业的内容有两项,一是框架Keras的入门练习,二是搭建一个残差网络。 阅读全文
posted @ 2020-08-25 09:39 机器学习小天才 阅读(675) 评论(0) 推荐(0) 编辑

2020年8月23日

摘要: 本文参考博文https://blog.csdn.net/u013733326/article/details/80086090完成。 1.神经网络的底层搭建 本次作业要求我们要实现一个拥有卷积层(CONV)和池化层(POOL)的网络,它包含了前向和反向传播。首先我们确定一下此次项目要实现的功能模块。 阅读全文
posted @ 2020-08-23 20:57 机器学习小天才 阅读(803) 评论(0) 推荐(0) 编辑

2020年8月9日

摘要: 本文是吴恩达老师深度学习第四周的编程作业,我是参考的文章https://blog.csdn.net/u013733326/article/details/79767169完成的。 首先还是作业要求,此次的作业要求还是和第二周作业要求一样,搭建一个神经网络来识别图片是否是猫。只不过本次作业要求搭建两个 阅读全文
posted @ 2020-08-09 18:39 机器学习小天才 阅读(827) 评论(0) 推荐(0) 编辑

2020年8月7日

摘要: 本博客是吴恩达老师深度学习课程第三周编程作业,参考博客https://blog.csdn.net/u013733326/article/details/79702148完成。 此次编程作业要求建立一个简单的神经网络,包括一个隐藏层。功能是实现平面数据分类。 1、准备工作 首先是准备项目需要用到的软件 阅读全文
posted @ 2020-08-07 17:55 机器学习小天才 阅读(646) 评论(0) 推荐(0) 编辑

2020年8月6日

摘要: 本博客是吴恩达老师深度学习课程第二周的课后编程作业,我是参考的博客https://blog.csdn.net/u013733326/article/details/79639509实现的。下面进入正题。 题目是要求搭建一个能够识别是否是猫的简单的神经网络。 1、准备工作 首先是编写lr_utils. 阅读全文
posted @ 2020-08-06 18:53 机器学习小天才 阅读(926) 评论(0) 推荐(0) 编辑

2020年8月4日

摘要: 课时十七 大规模机器学习 本节课时讲了一些在机器学习中遇到大规模的训练集时可用的方法。当然,在使用这些方法之间我们也要检查一下是否有必要用这么大的数据集,通过绘制学习曲线来判断不用大数据集是否可行。当确定需要大数据集时,我们可以参考以下方法。 1、随机梯度下降法 批量梯度下降算法中的代价函数形式为: 阅读全文
posted @ 2020-08-04 16:50 机器学习小天才 阅读(113) 评论(0) 推荐(0) 编辑

2020年7月30日

摘要: 课时十六 推荐系统 1、问题形式化 利用一个例子来定义推荐系统的问题。 比我我们是一个电影供应商,我们有五部电影和4个用户,要求用户为电影打分, 前三部电影是爱情片,后两部则是动作片,我们可以看出Alice和Bob似乎更倾向与爱情片, 而 Carol 和 Dave 似乎更倾向与动作片。并且没有一个用 阅读全文
posted @ 2020-07-30 22:23 机器学习小天才 阅读(92) 评论(0) 推荐(0) 编辑
摘要: 课时十五 异常检测 1、异常检测的描述 异常检测是机器学习算法的一个应用,举个应用例子,飞机引擎质量检测,假如你是一个飞机引擎制造商,为了进行质量控制测试,你需要测量飞机引擎的一些特征变量,比如引擎转动时产生的热量,或者引擎的震动等等。这样你就有了一个数据集,把这些数据集绘制成图表, 在构建一个异常 阅读全文
posted @ 2020-07-30 16:18 机器学习小天才 阅读(95) 评论(0) 推荐(0) 编辑

2020年7月29日

摘要: 课程十四 降维 降维是我们学习的第二种无监督学习问题。降维主要用于两点:一是数据压缩,二是数据可视化。 1、数据压缩、数据可视化 数据压缩不仅可以帮助我们压缩数据,减少使用的内存,也可以加快我们的学习算法。在机器学习中,降维可以把训练集拥有的高维特征降成低维,这样能够加快学习算法。 数据可视化能够帮 阅读全文
posted @ 2020-07-29 23:31 机器学习小天才 阅读(101) 评论(0) 推荐(0) 编辑
摘要: 课时十三 聚类 聚类算法也是非监督学习算法,本课时介绍了其中的一种K-Means算法。 1、K-均值算法 K-均值算法是一个迭代算法,算法思想如下: 假如我们要把数据分成n组,方法是: 1:选取K个点,作为聚类中心。 2:对于每一个数据,按照距离K个聚类中心的距离,把它与距离最近的聚类中心关联起来, 阅读全文
posted @ 2020-07-29 16:21 机器学习小天才 阅读(101) 评论(0) 推荐(0) 编辑

导航