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。
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
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
课程作业原版是MATLAB版本(填空式编码),贴出Python版本是为了相互学习,
原版本资料在我csdn博客下载:http://download.csdn.net/download/huakai16/10022509
为了方便,现在将MATLAB版本的练习也push上来,对应machine-learning-ex1---ex8文件夹