原创 python一變量，條件，循環
Python的優點: 1.簡單明瞭，一件事一個方法。 2.python是解釋型語言。 3.既有面向對象又有函數式編程。 4.可擴展性和可嵌入性較強。（在python中可調用c/c++
2020-06-14 08:39:32
原创 吳恩達機器學習第十一章---應用機器學習的建議
決定下一步做什麼 當得到一個如上圖中上半部分所示的代價函數，需要對其進行優化。那如何進行優化才能使得這個式子能夠更進一步得出更準確的模型那？
2020-06-14 08:39:32
原创 西瓜書第四章---決策樹
4.1基本流程 4.1.1決策樹的基本概念 決策樹是基於樹的結構來進行決策的，類似於數據結構中的二叉樹。會隨着條件的不同做出不同的決策。逐漸向葉子結點趨近。書中舉得是西瓜的例子，但網上流傳的相親
2020-06-14 08:39:32
原创 python-函數，字符串，列表，元組，集合，字典
在python中要交換兩個變量的值時，可以直接交換。 eg x, y = y, x 函數是絕大多數編程語言中都支持的一個代碼的“構建塊”,但python中的函數略有不同。如python中的函數的參數可以有默認值。 注：python
2020-06-14 08:39:32
原创 吳恩達機器學習第五章--多變量線性迴歸
多變量線性迴歸與單變量是相對應的，我們在起那面講到單變量時，只有一個x。而對於多變量來說則是有多個，如下面的圖所示。輸入的變量有x1，x2，x3，x4，多個變量，而輸出的值只有一個y。
2020-06-14 08:39:32
原创 吳恩達機器學習第九章---神經網絡學習
非線性假設 我們在前面已經討論過線性迴歸，邏輯迴歸，感覺大部分問題都可以使用它們來處理，那我們爲什麼還要提出神經網絡那？ 實際上當特
2020-06-14 08:39:32
原创 pyhon-面向對象
今天在敲代碼的時候碰到一個問題。關於import和from....import...的區別。 eg import random 表示引入的是random模塊或者說random.py文件,那麼自然random裏的類都可以使用。使用方式
2020-06-14 08:39:32
原创 機器學習--k近鄰，樸素貝葉斯，模型選擇，決策樹與隨機森林。
sklearn數據集與估計器 數據集劃分 正如前文所說，我們需要一些數據來建立模型，然後該模型會根據輸入的特徵值預測對應的目標值。但我們的數據是一定的。這就導致了我們要將數據劃分兩部分，一部分用來訓練模型
2020-06-14 08:39:32
原创 吳恩達機器學習第一章
機器學習的定義:1，在沒有明確定義的情況下，使計算機具有學習能力的研究領域。 2，計算機程序從經驗E中學習解決某一任務T，進行某一性能度量P，通過P測定在T上的表現，因經驗E而提高。
2020-06-14 08:39:32
原创 吳恩達機器學習第八章---正則化
過擬合問題 正常來說我們對給定的數據進行建立模型，對於圖一來說，沒有根據實際給定的數據建立，而是獨自畫了一條直線來擬合，這樣導致我們建立的模型不
2020-06-14 08:39:32
原创 簡單介紹NumPy和Matplotlib兩種外部庫
運用簡單的代碼介紹二者的一些簡單的功能 import numpy as np import matplotlib.pyplot as plt from matplotlib.image import imread #Numpy數組(np
2020-06-14 08:39:32
原创 吳恩達機器學習第三章--簡單回顧線性代數
由於線性代數在本科階段系統地學習過，所以這一章所做的筆記不多，僅是我認爲有點重要的。 矩陣:由數字組成的矩形陣列，寫於方括號內。 注:下面的矩陣都用一箇中括號表示一行。 A= [1 2 3]
2020-06-14 08:39:32
原创 機器學習-線性迴歸，邏輯迴歸，嶺迴歸，k-means
線性迴歸 線性迴歸原理：線性迴歸通過一個或者多個自變量與因變量之間進行建模的迴歸分析。其中特點爲一個或多個稱爲迴歸係數的模型參數的線性組合 特點：只有一個自變量的情況稱爲單變量回歸，大於一個自變量情況的叫做多元
2020-06-14 08:39:32
原创 吳恩達機器學習第七章---Logistic迴歸
分類 我們先來考慮什麼是分類，對於一個具體的事物我們可以將其劃分爲某一類，例如上圖中對於垃圾郵件的分類，或者對於腫瘤的分類，我們可以將郵件分爲正常郵件或者垃圾郵件，同樣
2020-06-14 08:39:32