douzujun - 博客园

2019年2月8日

摘要：在博客园设置 >页首html添加代码举例输入：显示为： $y = \theta^{T}x + \theta^{T}x^{2}$ $\sum_{i=1}^{n=m}{\theta^{T}X^{(i)}}$ 用 $ μ^1, μ^2, ..., μ^k $ 来表示聚类中心，用 $ 阅读全文

posted @ 2019-02-08 13:54 douzujun 阅读(1679) 评论(5) 推荐(3) 编辑

机器学习课程-第8周-聚类(Clustering)—K-Mean算法

摘要： 1. 聚类(Clustering) 1.1 无监督学习: 简介在一个典型的监督学习中，我们有一个有标签的训练集，我们的目标是找到能够区分正样本和负样本的决策边界，在这里的监督学习中，我们有一系列标签，我们需要据此拟合一个假设函数。与此不同的是，在非监督学习中，我们的数据没有附带任何标签，我们拿到的阅读全文

posted @ 2019-02-08 12:55 douzujun 阅读(513) 评论(0) 推荐(0) 编辑

2019年2月5日

机器学习课程-第7周-支持向量机(Support Vector Machines)

摘要： 1. 优化目标在监督学习中，许多学习算法的性能都非常类似，因此，重要的不是你该选择使用学习算法A还是学习算法B，而更重要的是，应用这些算法时，所创建的大量数据在应用这些算法时，表现情况通常依赖于你的水平。比如：你为学习算法所设计的特征量的选择，以及如何选择正则化参数，诸如此类的事。还有一个更加强阅读全文

posted @ 2019-02-05 20:53 douzujun 阅读(507) 评论(0) 推荐(0) 编辑

2019年2月1日

np.array和np.asarray区别

摘要：阅读全文

posted @ 2019-02-01 00:13 douzujun 阅读(600) 评论(0) 推荐(0) 编辑

2019年1月31日

Neural Networks and Deep Learning（week4）Deep Neural Network - Application（图像分类）

摘要： Deep Neural Network for Image Classification: Application 预先实现的代码，保存在本地 dnn_app_utils_v3.py 1 - 导入包 2 - 导入数据集（Cat vs non-Cat） Problem Statement: You a 阅读全文

posted @ 2019-01-31 22:38 douzujun 阅读(1237) 评论(0) 推荐(0) 编辑

2019年1月27日

Jupyter 魔术命令（magic commands）

摘要：自动重新加载更改的模块命令参数如下所示： %autoreload: 自动重载%aimport排除的模块之外的所有模块。 %autoreload 0: 禁用自动重载 %autoreload 1: 自动重载%aimport指定的模块。 %autoreload 2: 自动重载%aimport排除的模块之阅读全文

posted @ 2019-01-27 21:31 douzujun 阅读(1761) 评论(0) 推荐(0) 编辑

Matplotlib中plt.rcParams用法（设置图像细节）

摘要：其他设置图像细节方法：https://douzujun.github.io/page/%E6%95%B0%E6%8D%AE%E6%8C%96%E6%8E%98%E7%AC%94%E8%AE%B0/3-%E5%8F%AF%E8%A7%86%E5%8C%96%E5%BA%93matpltlib/plt_ 阅读全文

posted @ 2019-01-27 21:03 douzujun 阅读(36917) 评论(0) 推荐(3) 编辑

Neural Networks and Deep Learning（week4）Building your Deep Neural Network: Step by Step

摘要： Building your Deep Neural Network: Step by Step 你将使用下面函数来构建一个深层神经网络来实现图像分类。使用像relu这的非线性单元来改进你的模型构建一个多隐藏层的神经网络（有超过一个隐藏层）符号说明： 1 - Packages(导入的包) num 阅读全文

posted @ 2019-01-27 11:56 douzujun 阅读(1699) 评论(0) 推荐(0) 编辑

2019年1月25日

C语言上机复习（一）文件操作

摘要： C语言—文件操作 1.1 fgetc() + fputc()：以字符形式存取数据定义文件指针 2.2 fgets() + fputs()：以字符串形式存取数据 2.3 fread() + fwrite(): 以二进制形式存取数据 2.3.1 结构体数据 2.3.2 结构体数组 2.4 阅读全文

posted @ 2019-01-25 21:50 douzujun 阅读(2636) 评论(0) 推荐(1) 编辑

2019年1月24日

Neural Networks and Deep Learning（week4）深层神经网络（Deep Neural Networks）

摘要： 1. 深层神经网络（Deep L-layer neural network ） 2. 前向传播和反向传播（Forward and backward propagation） 3. 总结 4. 深层网络中的前向传播（Forward propagation in a Deep Network) 向量化实阅读全文

posted @ 2019-01-24 21:14 douzujun 阅读(770) 评论(0) 推荐(0) 编辑

二分类预测用的几个预测结果精确度计算方法

摘要： # Print accuracy predictions = predict(parameters, X) # (np.dot(Y, predictions.T) + np.dot(1 - Y, 1 - predictions.T)) / Y.size print ("Accuracy: {} %".format(100 - np.mean(abs(predictions - Y)) * 10... 阅读全文

posted @ 2019-01-24 00:08 douzujun 阅读(1511) 评论(0) 推荐(0) 编辑

2019年1月23日

矩阵乘法np.dot()及np.multipy()区别

摘要： 1. 线性代数中矩阵乘法: np.dot() 1. 线性代数中矩阵乘法: np.dot() 1. 线性代数中矩阵乘法: np.dot() import numpy as np # 2 x 3 matrix1 = np.array([[1, 2, 3], [4, 5, 6]]) # 3 x 2 阅读全文

posted @ 2019-01-23 15:18 douzujun 阅读(1934) 评论(0) 推荐(0) 编辑

2019年1月19日

如何用matplotlib绘制决策边界

摘要： import matplotlib.pyplot as plt import numpy as np import sklearn import sklearn.datasets import sklearn.linear_model def plot_decision_boundary(model, X, y): # Set min and max values and give i... 阅读全文

posted @ 2019-01-19 17:57 douzujun 阅读(4748) 评论(0) 推荐(0) 编辑

contourf和contour用法区别

摘要： contour和contourf 绘制三维图其中前两个参数x和y：两个等长一维数组第三个参数z：二维数组（表示平面点xi, yi映射的函数值）。由于contourf可以填充等高线之间的空隙颜色，呈现出区域的分划状，所以很多分类机器学习模型的可视化常会借助其展现。参考：https://blo 阅读全文

posted @ 2019-01-19 17:37 douzujun 阅读(5890) 评论(0) 推荐(0) 编辑

numpy笔记—ravel和c_命令(区别flatten)

摘要： np.c_给numpy数组添加列 np.r_给numpy数组添加行 ravel(): 将多维数组降成一维, 返回的是视图阅读全文

posted @ 2019-01-19 15:33 douzujun 阅读(510) 评论(0) 推荐(0) 编辑

plt.scatter(X[0, :], X[1, :], c=Y, s=40, cmap=plt.cm.Spectral)出错

摘要： Y改成Y.reshape(400) 阅读全文

posted @ 2019-01-19 12:28 douzujun 阅读(5550) 评论(0) 推荐(0) 编辑

2019年1月18日

Neural Networks and Deep Learning（week3）Planar data classification with one hidden layer(基于单隐藏层神经网络的平面数据分类)

摘要： Planar data classification with one hidden layer 你会学习到如何：用单隐层实现一个二分类神经网络使用一个非线性激励函数，如 tanh 计算交叉熵的损失值实现前向传播和后向传播 1 - Packages(导入包) 需要导入的包： numpy：Pyt 阅读全文

posted @ 2019-01-18 21:25 douzujun 阅读(1577) 评论(0) 推荐(0) 编辑

numpy笔记—np.sum中keepdims作用

摘要：我们使用（keepdims = True）来确保 A.shape 是（4,1）而不是（4，），它使我们的代码更加严格。容易减少深度学习中代码bug 阅读全文

posted @ 2019-01-18 20:22 douzujun 阅读(1610) 评论(0) 推荐(0) 编辑

LaTeX简历模板

posted @ 2019-01-18 15:04 douzujun 阅读(2534) 评论(0) 推荐(0) 编辑

2019年1月17日

Neural Networks and Deep Learning （week3）浅层神经网络(Shallow neural networks)

摘要： 3.1 神经网络概述（Neural Network Overview ）（神经网络中，我们要反复计算a和z,最终得到最后的loss function） 3.2 神经网络的表示（Neural Network Representation) 3.3 计算一个神经网络的输出（Computing a Ne 阅读全文

posted @ 2019-01-17 14:40 douzujun 阅读(1496) 评论(1) 推荐(0) 编辑

scipy笔记—scipy.misc.imresize用法(方便训练图像数据)

摘要： scipy.misc.imresize 不同于普通的reshape， imresize不是单纯的改变图像矩阵的维度，而是能将图片重采样为指定像素，这样给深度学习中训练图像数据带来方便。 import numpy as np import matplotlib.pyplot as plt import 阅读全文

posted @ 2019-01-17 00:38 douzujun 阅读(10006) 评论(0) 推荐(0) 编辑

2019年1月16日

matplotlib笔记——legend用法

摘要： rates = [0.01, 0.001, 0.0001] models = {} costs = np.array([[0.7, 0.9, 0.4, 0.6, 0.4, 0.3, 0.2, 0.1], [0.7, 0.65, 0.64, 0.63, 0.62, 0.61, 0.60, 0.59], [0.7, 0.6,... 阅读全文

posted @ 2019-01-16 23:38 douzujun 阅读(936) 评论(0) 推荐(0) 编辑

2019年1月15日

numpy笔记—np.squeeze用法

摘要： import numpy as np x = np.array([[[0], [1], [2]]]) print(x.shape) d = np.squeeze(x) # 从数组的形状中删除单维条目，即把shape中为1的维度去掉 print(d.shape) 阅读全文

posted @ 2019-01-15 22:00 douzujun 阅读(8165) 评论(0) 推荐(0) 编辑

2019年1月14日

Neural Networks and Deep Learning（week2）Logistic Regression with a Neural Network mindset（实现一个图像识别算法）

摘要： Logistic Regression with a Neural Network mindset You will learn to: Build the general architecture of a learning algorithm, including: Initializing p 阅读全文

posted @ 2019-01-14 15:42 douzujun 阅读(3696) 评论(0) 推荐(0) 编辑

2019年1月10日

Neural Networks and Deep Learning（week2）神经网络的编程基础 (Basics of Neural Network programming)

摘要：总结一、处理数据 1.1 向量化（vectorization） (height, width, 3) > 展开shape为（heigh*width*3, m）的向量 1.2 特征归一化（Normalization）一般数据，使用标准化（Standardlization）， z(i) = (x(i 阅读全文

posted @ 2019-01-10 16:44 douzujun 阅读(1974) 评论(0) 推荐(0) 编辑

xshell访问Ubuntu16.04显示乱码(即使在xshell设置了utf8)解决方案

摘要：一开始问题是：（无法显示，也无法输入）然后使用：查看服务器安装的全部编码：（且服务器使用的 LANG=C）只要用：即可显示中文。也可以输入中文。阅读全文

posted @ 2019-01-10 15:44 douzujun 阅读(538) 评论(1) 推荐(0) 编辑

2019年1月6日

Python复习笔记（四）高阶函数/返回函数/匿名函数/偏函数/装饰器

摘要：一、map/reduce map map()函数接收两个参数，一个是函数，一个是Iterable，map将传入的函数依次作用到序列的每个元素，并把结果作为新的Iterator返回。 reduce reduce把结果继续和序列的下一个元素做累积计算 str > int filter() 阅读全文

posted @ 2019-01-06 22:43 douzujun 阅读(341) 评论(0) 推荐(0) 编辑

Python复习笔记（三）函数进阶

摘要：问题 1：在函数内部，针对参数使用赋值语句，会不会影响调用函数时传递的实参变量？ —— 不会！无论传递的参数是可变还是不可变只要针对参数使用赋值语句，会在函数内部修改局部变量的引用，不会影响到外部变量的引用问题 2：如果传递的参数是可变类型，在函数内部，使用方法修阅读全文

posted @ 2019-01-06 18:45 douzujun 阅读(240) 评论(0) 推荐(0) 编辑

Python复习笔记（二）变量进阶

摘要： 02. 可变和不可变类型不可变类型，内存中的数据不允许被修改：数字类型 int , bool , float , complex , long(2.x) 字符串 str 元组 tuple 可变类型，内存中的数据可以被修改：列表 list 字典 dict 不可变类型，内存中的数据不允许被修改：阅读全文

posted @ 2019-01-06 16:57 douzujun 阅读(152) 评论(0) 推荐(0) 编辑

2019年1月5日

Python复习笔记（一）高级变量类型

摘要：目标列表元组字典字符串公共方法变量高级 01. 列表 02. 元组 03. 字典 04. 字符串 1）判断类型 - 9 2) 查找和替换 - 7 3) 大小写转换 - 5 4) 文本对齐 - 3 5) 去除空白字符 - 3 6) 拆分和连接 - 5 5.1 Python 内置函数 5.3 阅读全文

posted @ 2019-01-05 23:23 douzujun 阅读(447) 评论(0) 推荐(0) 编辑

douzi

公告