资源简介
吴恩达深度学习课程第一课第三周编程作业及相关文件。
代码片段和文件信息
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 it some padding
x_min x_max = X[0 :].min() - 1 X[0 :].max() + 1
y_min y_max = X[1 :].min() - 1 X[1 :].max() + 1
h = 0.01
# Generate a grid of points with distance h between them
xx yy = np.meshgrid(np.arange(x_min x_max h) np.arange(y_min y_max h))
# Predict the function value for the whole grid
Z = model(np.c_[xx.ravel() yy.ravel()])
Z = Z.reshape(xx.shape)
# Plot the contour and training examples
plt.contourf(xx yy Z cmap=plt.cm.Spectral)
plt.ylabel(‘x2‘)
plt.xlabel(‘x1‘)
plt.scatter(X[0 :] X[1 :] c=y cmap=plt.cm.Spectral)
def sigmoid(x):
“““
Compute the sigmoid of x
Arguments:
x -- A scalar or numpy array of any size.
Return:
s -- sigmoid(x)
“““
s = 1/(1+np.exp(-x))
return s
def load_planar_dataset():
np.random.seed(1)
m = 400 # number of examples
N = int(m/2) # number of points per class
D = 2 # dimensionality
X = np.zeros((mD)) # data matrix where each row is a single example
Y = np.zeros((m1) dtype=‘uint8‘) # labels vector (0 for red 1 for blue)
a = 4 # maximum ray of the flower
for j in range(2):
ix = range(N*jN*(j+1))
t = np.linspace(j*3.12(j+1)*3.12N) + np.random.randn(N)*0.2 # theta
r = a*np.sin(4*t) + np.random.randn(N)*0.2 # radius
X[ix] = np.c_[r*np.sin(t) r*np.cos(t)]
Y[ix] = j
X = X.T
Y = Y.T
return X Y
def load_extra_datasets():
N = 200
noisy_circles = sklearn.datasets.make_circles(n_samples=N factor=.5 noise=.3)
noisy_moons = sklearn.datasets.make_moons(n_samples=N noise=.2)
blobs = sklearn.datasets.make_blobs(n_samples=N random_state=5 n_features=2 centers=6)
gaussian_quantiles = sklearn.datasets.make_gaussian_quantiles(mean=None cov=0.5 n_samples=N n_features=2 n_classes=2 shuffle=True random_state=None)
no_structure = np.random.rand(N 2) np.random.rand(N 2)
return noisy_circles noisy_moons blobs gaussian_quantiles no_structure
属性 大小 日期 时间 名称
----------- --------- ---------- ----- ----
....... 2253 2017-08-22 08:16 planar_utils.py
....... 0 2017-08-22 08:16 readme.md
....... 3993 2017-08-22 08:16 testCases.py
....... 1075865 2017-08-22 08:16 week3-Planar+data+classification+with+one+hidden+la
....... 139115 2017-08-22 08:16 images\classification_kiank.png
....... 681895 2017-08-22 08:16 images\grad_summary.png
....... 41671 2017-08-22 08:16 images\sgd.gif
....... 64014 2017-08-22 08:16 images\sgd_bad.gif
目录 0 2017-08-22 08:16 images
----------- --------- ---------- ----- ----
2008806 9
- 上一篇:基于UML的仓储管理系统的设计与实现
- 下一篇:计算机真实感图形学的一些算法
相关资源
- 吴恩达深度学习课程第一课 第二周神
- Octave官方文档+中文使用说明2018吴恩达
- 吴恩达深度学习作业lr_utils和datasets
- machine-learning-ex3编程作业:多元分类与
- 吴恩达老师深度学习第四课第一周4
- 吴恩达老师深度学习第二课第三周2
- 吴恩达机器学习个人笔记作业完整版
- 吴恩达机器学习选择题带解析
- 云课堂吴恩达深度学习01第二周lr_ut
- 吴恩达斯坦福大学机器学习课件
- 吴恩达新书 《Machine Learning Yearning》机
- 吴恩达机器学习 缺失的 machine-learni
- 吴恩达(Andrew Ng)斯坦福公开课\“机
- 吴恩达斯坦福公开课机器学习的讲义
- 神经网络与深度学习吴恩达第三周编
- 机器学习—吴恩达中文版pdf
- 吴恩达机器学习课程讲义_中文版
- 吴恩达课程所需lr_utils.py文件以及da
- 吴恩达LogisticRegression识别猫数据集
- 吴恩达神经网络和深度学习,第一课
- machine learning ex4
- 吴恩达深度学习deeplearning第一课课后
- 斯坦福大学吴恩达机器学习课程 学习
- 吴恩达 Deeplearning深度学习笔记v5.41.
- 吴恩达-深度学习-神经网络与深度学习
- 全2020吴恩达机器学习MachineLearning课程
- 吴恩达机器学习作业
- 吴恩达机器学习作业完整版!!亲自
- 吴恩达机器学习coursera作业题目+答案
- 斯坦福大学吴恩达机器学习CS229(学习
评论
共有 条评论