原创 經典CNN：LeNet-5，AlexNet，VGG，ResNets
1. 爲什麼要進行實例探究？ （Why look at case studies） 上週我們講了CNN的基本構建，比如卷積層、池化層以及全連接層等。事實上，過去幾年計算機視覺中的大量研究都集中在如何把這些基本構件組合起來，形成有效
2020-06-28 18:20:21
原创 吳恩達機器學習（四）過擬合與正則化
1. 過擬合問題 （The Problem of Overfitting） 到現在爲止，我們已經學習了線性迴歸和邏輯迴歸這兩種學習算法，它們能夠有效地解決許多問題，但是當將它們應用到某些特定的機器學習應用時，會遇到 過擬合（ove
2020-06-19 18:32:01
原创 吳恩達機器學習（六）模型選擇與評估，誤差分析與優化
∗∗∗ 點擊查看 :吳恩達機器學習 —— 整套筆記+編程作業詳解 ∗∗∗\color{#f00}{***\ 點擊查看\ :吳恩達機器學習 \ —— \ 整套筆記+編程作業詳解\ ***}∗∗∗ 點擊查看 :吳恩達機器學習 —— 整
2020-06-19 17:32:00
1
原创 編程作業（python）| 吳恩達 機器學習（6）支持向量機 SVM
∗∗∗ 點擊查看 :吳恩達機器學習 —— 整套筆記+編程作業詳解 ∗∗∗\color{#f00}{***\ 點擊查看\ :吳恩達機器學習 \ —— \ 整套筆記+編程作業詳解\ ***}∗∗∗ 點擊查看 :吳恩達機器學習 —— 整
2020-06-19 17:32:00
原创 編程作業（python）| 吳恩達機器學習（7）K-means與PCA
作業及代碼：https://pan.baidu.com/s/1L-Tbo3flzKplAof3fFdD1w 密碼:oin0 本次作業的理論部分：吳恩達機器學習（八）聚類與降維（K-Means，PCA） 編程環境：Jupyter
2020-06-19 17:32:00
1
原创 吳恩達機器學習（二）線性迴歸 3/3 —— 向量化及正規方程
1. 模型向量化(重要） （Model Vectorization） 爲了在實際應用中計算更爲方便，例如在編程中都是使用矩陣進行計算（參考 編程作業（1）線性迴歸），我們可以將整個模型向量化。 對於整個訓練集而言： 1.1 輸入
2020-06-19 17:32:00
原创 CSDN Markdown 常用語法備忘彙總
文本及快捷鍵 CSDN寫文章規範及快捷鍵 CSDN博客創作時常用快捷鍵 Markdown - 如何給文本加下劃線 CSDN中Markdown編輯器輸入空格、空行 圖片 【方法】CSDN的MarkDown插入圖片調整大小及位置 公式
2020-06-19 17:32:00
原创 吳恩達機器學習（一）監督學習與無監督學習
∗∗∗ 點擊查看 :吳恩達機器學習 —— 整套筆記+編程作業詳解 ∗∗∗\color{#f00}{***\ 點擊查看\ :吳恩達機器學習 \ —— \ 整套筆記+編程作業詳解\ ***}∗∗∗ 點擊查看 :吳恩達機器學習 —— 整
2020-06-19 17:32:00
原创 吳恩達機器學習（七）支持向量機 2/3 —— 線性 SVM
∗∗∗ 點擊查看 :吳恩達機器學習 —— 整套筆記+編程作業詳解 ∗∗∗\color{#f00}{***\ 點擊查看\ :吳恩達機器學習 \ —— \ 整套筆記+編程作業詳解\ ***}∗∗∗ 點擊查看 :吳恩達機器學習 —— 整
2020-06-19 17:32:00
原创 CSDN 轉載文章 部分無效
F12 ctrl+F：查找 article_content，即可選中要複製的文章內容 選擇並複製元素 粘貼到寫博客的markdown中即可 網上的方法都差不多。經嘗試，部分長篇博客轉載時只顯示部分，原因暫時未知，如果你知道
2020-06-19 17:32:00
原创 吳恩達機器學習（七）支持向量機 3/3 —— 非線性 SVM
∗∗∗ 點擊查看 :吳恩達機器學習 —— 整套筆記+編程作業詳解 ∗∗∗\color{#f00}{***\ 點擊查看\ :吳恩達機器學習 \ —— \ 整套筆記+編程作業詳解\ ***}∗∗∗ 點擊查看 :吳恩達機器學習 —— 整
2020-06-19 17:32:00
原创 吳恩達機器學習（五）神經網絡 2/2 —— 反向傳播算法（BP-神經網絡）
本章目錄1. 爲什麼要用反向傳播——梯度下降2. 反向傳播的基礎補充——鏈式法則3. 反向傳播是什麼——直觀展示3.1 前向傳播過程回顧3.2 反向傳播過程展示3.3 小結4. 公式推導4.1 誤差計算 —— δ\deltaδ4.
2020-06-19 17:32:00
原创 編程作業（python）| 吳恩達機器學習（2）邏輯迴歸
8道編程作業及解析見：Coursera吳恩達機器學習編程作業 編程環境：Jupyter Notebook Programming Exercise 2：Logistic Regression 本章目錄Programming E
2020-06-19 17:32:00
原创 吳恩達機器學習（二）線性迴歸 1/3 —— 單變量線性迴歸
機器學習分爲監督學習和無監督學習， 監督學習又分爲 迴歸問題 和 分類問題， 本文主要介紹監督學習-迴歸問題 中的 單變量線性迴歸，包括假設函數、代價函數、梯度下降等概念。 單變量線性迴歸 （Linear Regression
2020-06-19 16:44:01
原创 吳恩達機器學習（五）神經網絡 1/2 —— 模型構建
參考： 神經網絡淺講：從神經元到深度學習 機器學習筆記week4 本章目錄1. 神經元模型2. 神經網絡模型2.1 模型向量化2.2 多類分類（多個輸出）2.3 神經網絡的代價函數 1. 神經元模型 （Neurons Mode
2020-06-19 16:44:01