文件名称：机器学习入门
文件大小：14.94MB
文件格式：ZIP
更新时间：2024-03-10 02:16:39
neural-network numpy classification logistic-regression JupyterNotebook
机器学习 取自Coursera课程 （效果与在jupyter notebook上查看一样） 1 Numpy的Python基础知识 1.1用numpy构建基本功能 * Sigmoid function, np.exp() * Sigmoid gradient * Reshaping arrays * Normalizing rows * Broadcasting and the softmax function 1.2向量化 * Implement the L1 and L2 loss functions 2使用神经网络心态进行Logistic回归 2.1包装 2.2问题集概述 2.3学习算法的一般架构 2.4构建我们算法的各个部分 * Initializing parameters * Forward and Backwar
【文件预览】：
machine-learning-getting-start-master
----01-Python_Basics_With_Numpy.ipynb(31KB)
----05-Deep_Neural_Network_Application.ipynb(603KB)
----images()
--------imvector.png(198KB)
--------image2.png(151KB)
--------LogReg_kiank.png(187KB)
--------mn_backward.png(218KB)
--------tiger.jpg(13KB)
--------Sigmoid.png(67KB)
--------my_image.jpg(621KB)
--------01.png(59KB)
--------model_architecture_kiank.png(159KB)
--------relu.png(35KB)
--------structure.png(1.1MB)
--------nm_backward.png(871KB)
--------grad_summary.png(666KB)
--------image1.png(259KB)
--------gargouille.jpg(303KB)
--------imvectorkiank.png(373KB)
--------LlayerNN_kiank.png(279KB)
--------backpass.png(101KB)
--------image2vector_kiank.png(245KB)
--------backprop.png(170KB)
--------image2vector.png(597KB)
--------cat_in_iran.jpg(587KB)
--------linearback_kiank.png(56KB)
--------final outline.png(557KB)
--------2layerNN.png(420KB)
--------la_defense.jpg(332KB)
--------sgd.gif(41KB)
--------sgd_bad.gif(63KB)
--------backprop_kiank.png(101KB)
--------NlayerNN.png(482KB)
--------classification_kiank.png(136KB)
--------my_image2.jpg(92KB)
--------n_model_backward.png(761KB)
--------model_architecture2.png(217KB)
--------dog.jpg(3KB)
--------2layerNN_kiank.png(255KB)
----03-Planar_data_classification_with_onehidden_layer.ipynb(536KB)
----LICENSE(11KB)
----04-Building_your_Deep_Neural_Network_Step_by_Step.ipynb(55KB)
----.gitignore(2KB)
----.ipynb_checkpoints()
--------01-Python_Basics_With_Numpy-checkpoint.ipynb(40KB)
--------03-Planar_data_classification_with_onehidden_layer-checkpoint.ipynb(536KB)
--------05-Deep_Neural_Network_Application-checkpoint.ipynb(603KB)
--------02-Logistic_Regression_with_a_Neural_Network_mindset-checkpoint.ipynb(304KB)
--------04-Building_your_Deep_Neural_Network_Step_by_Step-checkpoint.ipynb(55KB)
----README.md(2KB)
----utils()
--------testCases04.py(6KB)
--------__pycache__()
--------testCases03.py(4KB)
--------__init__.py(0B)
--------dnn_utils_v2.py(2KB)
--------lr_utils.py(882B)
--------dnn_app_utils_v3.py(14KB)
--------planar_utils.py(2KB)
----02-Logistic_Regression_with_a_Neural_Network_mindset.ipynb(304KB)
----datasets()
--------train_catvnoncat.h5(2.45MB)
--------test_catvnoncat.h5(602KB)