文件名称：MachineLearning:机器学习
文件大小：30.07MB
文件格式：ZIP
更新时间：2024-03-31 02:47:54
JupyterNotebook
机器学习 使用各种数据集并对其进行观察来实现机器学习算法。 1.使用法线方程和梯度下降的线性回归 一种线性回归模型，可通过两个特征Math SAT和Verb SAT预测大学生的GPA。 a）使用正态方程法训练模型。 b）使用梯度下降法训练模型。 c）以不同的学习率alpha进行周围环境的比赛 2.使用手语数据进行逻辑回归 a）Sigmoid函数的实现b）参数初始化以及正向和反向计算c）梯度下降的隐含性和预测功能d）评估矩阵计算 3.支持向量机 使用迷你数据集，Q矩阵的计算和决策方程的求解方程的玩具SVM模型 4.浅层神经网络 2层浅层神经网络模型的实现。 使用模型来执行相同的二进制分类任务，即，对手语数据集的两个类别进行分类。 输入大小是图像64 * 64中的像素数。 隐藏层的大小由超参数n_h确定，输出层的大小为1。 5.深度神经网络 具有以下结构的深度神经网络的实现 6.卷积神经网络