# Coursera-ML-using-matlab-python

**Repository Path**: goforfar/Coursera-ML-using-matlab-python

## Basic Information

- **Project Name**: Coursera-ML-using-matlab-python
- **Description**: coursera吴恩达机器学习课程作业自写Python版本+Matlab原版
- **Primary Language**: Unknown
- **License**: Not specified
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 0
- **Created**: 2020-03-20
- **Last Updated**: 2020-12-19

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# ML-code-using-matlab-and-python

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

PS:网上其他参考资料分享：
-----

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](https://github.com/kaleko/CourseraML)整理的jupyter notebooks版本：对应 coursera_ml_ipynb 文件夹

3.[mstampfer](https://github.com/mstampfer/Coursera-Stanford-ML-Python)对照**原版作业格式**整理的Python版本，可以尝试自己实现

4.[AceCoooool](https://github.com/AceCoooool/ML-Andrew-Ng)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](https://github.com/TingNie/Machine-learning-in-action)

6.本人自写的，关于吴恩达（Andrew Ng）开设的深度学习课程[deeplearning.ai](https://github.com/TingNie/deeplearning.ai-coursera)的课程答案