coursera上吴恩达的《machine learning》的所有大作业Code,仅供大家参考之用。
2022-02-13 18:57:24
28.96MB
1
Python-OpenCV-运动检测
Proyecto Coursera： ：
2022-02-11 16:31:18
2KB
1
Discrete_optimization_coursera
离散优化 Coursera 此文件夹包含主要用于 Coursera 上的离散优化课程的不同离散优化技术的实现。
2022-02-04 00:35:09
3.96MB
1
吴恩达老师的深度学习课程的第五部分——序列模型的课后作业，最后一周作业（包括课后的quiz和编程作业）都在里面，因为文件限制，只能分开上传。是搬运别人的资源，自己做了，感觉很不错。当时找资源时，各种痛苦，也受到了好心人的帮助，没有恶意抬高资源分数且内容全面。希望大家学习快乐~~
2022-01-09 23:38:38
209.52MB
1
吴恩达老师的深度学习课程的第五部分——序列模型的课后作业，前两周作业（包括课后的quiz和编程作业）都在里面，因为限制上传大小，所以分开上传。是搬运别人的资源，自己做了，感觉很不错。当时找资源时，各种痛苦，也受到了好心人的帮助，没有恶意抬高资源分数且内容全面。希望大家学习快乐~~
2022-01-09 23:36:30
149.1MB
1
Mathematics-for-Machine-Learning-Coursera:我对Coursera作业的回答
2022-01-01 07:45:23
31KB
1
神经网络实现分类matlab代码用于机器学习的神经网络
实现Geoffrey
Hinton教授讲授的课程“神经网络机器学习”的项目。
作者：王健、唐少
贡献：用python代码代替本课程默认的matlab，得到每个项目的数值结果并回答问题。
编程作业
1：感知器学习算法
使用感知器学习算法对四个二类数据集进行分类。设置迭代次数等于5作为示例
数据集
1
的结果：
数据集2的结果：
数据集3的结果：
数据集4的结果：
左图显示了数据集和由感知器的权重给出的分类边界。
反例显示为圆圈，而正例显示为正方形。
如果示例为绿色，则表示该示例已按提供的权重正确分类。
如果它是红色的，那么它就被错误地分类了。
中间的图显示了迄今为止感知器算法在每次迭代中所犯的错误数量。
右图显示了到一些非常可行的权重向量的距离（如果提供了一个）（注意，这些权重向量可以有无数个）。
分类器出错的点显示为红色，而正确分类的点显示为绿色。
我们可以看到data1、data3可以线性分离，而data2和data4不能。
2021-12-30 11:13:08
45.61MB
1