• 大小: 1.59MB
    文件类型: .rar
    金币: 1
    下载: 0 次
    发布日期: 2023-10-26
  • 语言: 其他
  • 标签: 吴恩达  

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。

资源截图

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+layer.ipynb

    .......    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


评论

共有 条评论