首页
AI Coding
数据标注
NEW
沸点
课程
直播
活动
APP
插件
搜索历史
清空
创作者中心
写文章
发沸点
写笔记
写代码
草稿箱
创作灵感
查看更多
登录
注册
机器学习(吴恩达 2014)课后练习
Detection
创建于2022-06-18
订阅专栏
原版作业是MATLAB版本(Octave)的,现在有点过时了,我参考了几位大牛的代码,将作业改成了Python版本。
暂无订阅
共6篇文章
创建于2022-06-18
订阅专栏
默认顺序
默认顺序
最早发布
最新发布
练习六-SVM
SVM 一、引言 在本次练习中,我们将会使用SVM来建立一个垃圾邮件分类器。同理,我们需要去GitHub下载所需的数据文件便于后续使用。 二、支持向量机 本练习的前半部分,我们会将SVM运用于大量2D
练习五 - 正则化线性回归中的方差与误差
正则化线性回归中的方差与误差 一、引言 在本次练习中,我们将会实现一个正则化线性回归模型并将其用于学习不同的方差-误差属性的模型。同样,本次练习需要导入数据:"ex5data1.mat" 二、正则化线
练习四 - 神经网络
练习四 - 神经网络 一、神经网络图示 二、引言 在本次练习中,我们将会实现一个反向传播算法并将其应用于手写字符识别。同理,我们也需要导入对应的数据文件:ex4data1.mat 与 ex4weigh
练习三 - 多分类问题
多分类问题 一、引言 本次练习中,我们将会实现一个一对多的逻辑回归以及用于识别手写数字的神经网络。当然和之前练习一样,我们需要从GitHub上下载本次练习所需的数据:"ex3data1.mat","e
练习二 - 逻辑回归(Logistic regression)
Logistic regression 一、引言 本次练习中,我们将会实现逻辑回归并将其运用于两个不同的数据集。在开始本次联系之前,需要导入这两个训练集(ex2data1.txt和ex2data2.t
练习一 - 线性回归(Linear regression)
一、引言 在本次练习中,我们将会学习到线性回归和及其工作模式。当然,本次练习是基于课程内容的,强烈建议看完课程后再完成本章内容。 另外,本次练习需要调用到数据分析的一些包:Numpy,Matplotl