本练习代码参考来源:
(1)黄海广博士笔记与练习数据及代码
(2)https://blog.csdn.net/m0_37867091/category_9817315.html
说明:参考的机器学习课程(AndrewNg)练习代码都是jupyter Notebook编写的,每写完几行代码都可以运行查看其结果(可交互性比较强),比较利于一步一步的学习,不断地理解代码,但是总体上代码的结构化并不是很好,有点乱(其中主要是因为就练习而言,为了对代码的理解,几行运行一个结果,所以会显得比较乱),因此,为了使代码比较工整、结构化、更美观,本代码参照他们的代码运用pycharm进行编写,保存为py文件(当然这样编写也存在明显的缺点,就是对于代码的理解,不是很方便(如为了看一些中间的结果要加print),尤其是可视化,需要多加一些代码来控制数据的可视化图像)。
顺便吐槽: 做代码练习,用pycharm这种可交互性比较差的IDE(当然这类注重的是整体运行),尤其是在做数据可视化与理解每句代码的时候,真不如jupyter Notebook好用,做起来真麻烦!!!
吴恩达机器学习课程:编程练习 | (1) ex1-linear regression
吴恩达机器学习课程:编程练习 | (2) ex2-logistic regression
吴恩达机器学习课程:编程练习 | (3) ex3-neural network
吴恩达机器学习课程:编程练习 | (4) ex4-NN back propagation
吴恩达机器学习课程:编程练习 | (5) ex5-bias vs variance
吴恩达机器学习课程:编程练习 | (6) ex6-SVM
吴恩达机器学习课程:编程练习 | (7) ex7-kmeans and PCA
吴恩达机器学习课程:编程练习 | (8) ex8-anomaly detection and recommendation
练习数据与代码:https://github.com/giser-z/Coursera-ML-AndrewNg-Exercises