coursera吴恩达机器学习课程作业自写Python2.7版本,使用jupyter notebook实现,使代码更有层次感,可读性强。
本repository实现算法包括如下:
线性回归: linear_regression.ipynb
多元线性回归:linear_multiple.ipynb
逻辑回归:logic_regression.ipynb
正则化用于逻辑回归: logic_regularization.ipynb
模型诊断+学习曲线: learnCurve.ipynb
一对多分类模型:oneVSall.ipynb
神经网络模型:neuralNetwork.ipynb
SVM分类器:svm.ipynb
kmeans聚类:kmeans.ipynb
pca降维:pca.ipynb
高斯分布用于异常检测:anomaly_detection.ipynb
协调过滤推荐算法:Collaborative_Filter.ipynb
1.课程作业原版是MATLAB版本(填空式编码):对应 machine-learning-ex1——ex8 文件夹
2.kaleko整理的jupyter notebooks版本:对应 coursera_ml_ipynb 文件夹
3.mstampfer对照原版作业格式整理的Python版本,可以尝试自己实现
4.AceCoooool整理的Python版本,有中文注释
5.如果需要了解更多算法知识,本人使用jupyter notebook整理的peter的《机器学习实战》代码
6.本人自写的,关于吴恩达(Andrew Ng)开设的深度学习课程deeplearning.ai的课程答案
此处可能存在不合适展示的内容,页面不予展示。您可通过相关编辑功能自查并修改。
如您确认内容无涉及 不当用语 / 纯广告导流 / 暴力 / 低俗色情 / 侵权 / 盗版 / 虚假 / 无价值内容或违法国家有关法律法规的内容,可点击提交进行申诉,我们将尽快为您处理。