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