吴恩达|机器学习作业目录

最新推荐文章于 2024-04-25 18:29:56 发布
最新推荐文章于 2024-04-25 18:29:56 发布
阅读量1.9w 收藏 405
点赞数 49
分类专栏： 机器学习
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_44750583/article/details/89676063
版权

一个多月除了上课自习，就是在coursera和网易云课堂上学习吴恩达机器学习的课程，现在学完了，以下是一个多月来完成的作业目录，整理一下以便使用：

1.0 单变量线性回归
1.1 多变量线性回归
2.0 Logistic 回归
2.1 正则化的Logistic回归
3.0 逻辑回归解决多元分类
3.1 前馈神经网络
4.0 神经网络反向传播（BP算法）
5.0 偏差与方差
6.0 支持向量机(SVM)
6.1 SVM建立垃圾邮件分类器
7.0 k-means聚类
7.1 主成分分析(PCA)
8.0 异常检测
8.1 推荐系统（协同过滤算法）

所有作业的数据集链接: https://pan.baidu.com/s/1cEgQIvehUcLxZ0WVhxcPuQ 提取码: xejn
想想下一步学什么~~

学吧学吧终成学霸
关注
  • 49
    点赞
  • 踩
  • 405
    收藏
    觉得还不错? 一键收藏
  • 7
    评论
专栏目录
吴恩达机器学习作业一——线性回归
qq_46132949的博客
07-30 662
学习了挺长时间的机器学习了，还没有实践过，认真地看了作业一的代码，并且做了详细注释，希望对其他新手小白有些帮助。 单变量线性回归
吴恩达机器学习课后作业
Anterior_condyle的博客
08-13 6233
吴恩达机器学习课后作业
机器学习作业3____决策树（CART算法）
最新发布
u013731025的博客
04-25 1183
CART（Classification and Regression Trees）是一种常用的决策树算法，可用于分类和回归任务。这个算法由Breiman等人于1984年提出，它的主要思想是通过递归地将数据集划分为两个子集，然后在每个子集上继续划分，直到满足某个停止条件为止。CART算法在分类和回归问题上表现良好，并且能够处理多种数据类型（包括离散型和连续型特征）。由于其简单、易于理解和实现，以及在一些应用中的良好性能，CART算法被广泛应用于实践中。
吴恩达机器学习与深度学习作业目录 [图片已修复]
热门推荐
Cowry
10-23 6万+
吴恩达机器学习作业目录 1 吴恩达机器学习作业Python实现(一)：线性回归 2 吴恩达机器学习作业Python实现(二)：logistic回归 3 吴恩达机器学习作业Python实现(三)：多类分类和前馈神经网络 4 吴恩达机器学习作业Python实现(四)：神经网络(反向传播) BP（反向传播）神经网络 5 吴恩达机器学习作业Python实现(五)：偏差和方差 6 吴恩达机器学习作业Py...
【吴恩达】机器学习作业ex1-(线性回归) python
calmdownn的博客
07-12 1474
机器学习作业ex1-(线性回归) python
吴恩达机器学习笔记目录
Deride的博客
07-10 470
吴恩达机器学习笔记目录 第一周 一、 引言(Introduction) 1.1 欢迎参加《机器学习》 1.2 什么是机器学习？ 1.3 监督学习 1.4 无监督学习 二、单变量线性回归(Linear Regression with One Variable) 2.1 模型描述 2.2 代价函数 2.3 代价函数（一） 2.4 代价函数（二） 2.5 梯度下降 2.6 梯度下降知识点总结 2.7 线性回归的梯度下降 三、线性代数回顾(Linear Algebra Review) 3.1 矩阵和向量 3.2 加
【机器学习】python实现吴恩达机器学习作业合集（含数据集）
m0_51933492的博客
04-04 3万+
目录 1.0 实现线性回归预测 2.0 线性可分logistic逻辑回归 2.1 线性不可分logistic逻辑回归 3.0 logistic逻辑回归手写多分类问题 3.1 神经网络正向传播 4.0 神经网络反向传播（BP算法） 5.0 方差与偏差 6.0 SVM支持向量机 7.0 kmeans聚类 7.1 PCA主成分分析 ...
吴恩达机器学习课后作业源码及笔记_机器学习_吴恩达_
10-01
这份名为“吴恩达机器学习课后作业源码及笔记”的压缩包文件，无疑是针对他开设的机器学习课程的学习辅助资料。这份资料包括了课程中的习题解答以及相关的编程代码，对于正在学习或已经学过吴恩达机器学习课程的人来...
吴恩达机器学习作业
03-29
吴恩达的机器学习课程的python语言代码，包括大佬改进的代码，jupyter notebook完美运行
吴恩达|机器学习作业2.1正则化的Logistic回归-附件资源
03-05
吴恩达|机器学习作业2.1正则化的Logistic回归-附件资源
吴恩达机器学习课后作业题目和答案
06-07
机器学习课后作业文档说明和答案解析，配套2014年的视频
coursera吴恩达机器学习课程作业自写Python版本+Matlab原版
11-03
coursera吴恩达机器学习课程作业自写Python版本+Matlab原版
斯坦福大学Coursera机器学习作业答案
03-28
2014年斯坦福大学Andrew Ng在Coursera上的机器学习公开课作业答案(程序源码)。
吴恩达老师机器学习课程课后作业ex2随笔
肥仔的博客
02-08 1032
随笔嘛，所以会有各种奇怪的笔记混进去，比如英语单词,以及各种答案搬运这些。 outline（n.）草稿，轮廓；(v.)打草稿，概述，画轮廓 plotData.m： 1 .题目大意就是给出一个训练集，每个样例有三个元素，分别是测试1的分数、测试2的分数以及是否录取，然后让我们画出一个坐标轴是测试分数，坐标点是录取结果的图。 2 .答案代码（ex2.pdf中已经给出来了）： % Find Indi...
吴恩达机器学习作业一
qq_20180171的博客
04-11 2848
Introduction In this exercise, you will implement linear regression and get to see it work on data. 首先,先看看数据是什么样的好进一步分析
吴恩达机器学习笔记（一），含作业及附加题答案链接
allen_li123的博客
12-09 1万+
吴恩达机器学习笔记（一） 监督学习 非监督学习 代价函数cost function 梯度下降和线性回归gradient descent and linear regression 梯度下降 多变量梯度下降 特征标准化变量归一法feature normalization 关于alpha学习速率 正规方程normal
吴恩达机器学习课后作业深度解析（附答案）（ex2）
布衣书生的博客
12-07 1万+
作业ex2题目及答案源码下载地址 一、学生入学预测（逻辑回归） 问题背景，根据学生两门课的成绩和是否入学的数据，预测学生能否顺利入学 plotData.m：数据可视化 % Find Indices of Positive and Negative Examples pos = find(y == 1); neg = find(y == 0); % Plot Examples plot(X(po...
Coursera吴恩达机器学习课程 编程作业
afunyusong的专栏
08-17 6569
下面作者的博客里机器学习分类下面有一系列答案，仅供参考，有不对的 Coursera吴恩达机器学习课程 总结笔记及作业代码——第1,2周
Coursera-吴恩达-机器学习-第六周-编程作业: Regularized Linear Regression and Bias/Variance
qq1376725255的专栏
10-01 3465
本次文章内容： Coursera吴恩达机器学习课程，第六周编程作业。编程语言是Matlab。 学习算法分两部分进行理解，第一部分是根据code对算法进行综述，第二部分是代码。 0 Introduction  在这个练习中，应用regularized linear regression，并观察其bias-variance properties性质。 1 Regularized Linear ...
吴恩达机器学习作业线性回归
09-09
吴恩达的机器学习课程中的作业中有一个关于线性回归的部分。在这个作业中，你将实现一个线性回归模型来预测房屋的价格。具体而言，你需要完成以下几个任务： 1. 设计一个代价函数，用于衡量预测值和实际值之间的误差。 2. 使用梯度下降算法来最小化代价函数，从而找到最优的模型参数。 3. 实现梯度下降算法的更新规则，以便在每次迭代中更新模型参数。 4. 使用训练集上的数据拟合模型，从而得到最优的模型参数。 5. 使用测试集来评估模型的性能，计算预测值和实际值之间的误差。 通过完成这些任务，你将学习如何使用线性回归模型来进行预测，并了解梯度下降算法的原理和应用。这将为你进一步深入学习机器学习奠定基础。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 7
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值