【文件属性】：
文件名称：MachineLearning:机器学习
文件大小：30.07MB
文件格式：ZIP
更新时间：2021-03-11 09:01:14
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