实用机器学习

Coursera机器学习课程作业代码

开源课程网站Coursera机器学习大师Andrew Ng主讲的机器学习课程的matlab作业代码

Coursera机器学习课程作业源码

Coursera机器学习课程作业源码

machine-learning-coursera:机器学习Coursera课程的编程作业

machine-learning-coursera:机器学习Coursera课程的编程作业

coursera-machine-learning:在Coursera教授的Marchine学习课程的解决方案代码

Coursera机器学习 该存储库包含我为在Coursera（ ）上教授的机器学习课程编写的所有代码。

ML-course:Coursera机器学习的作业

Coursera机器学习的作业

coursera-machine-learning：Coursera的机器学习课程中的MATLAB作业

coursera-machine-learning：Coursera的机器学习课程中的MATLAB作业

吴恩达Coursera深度学习课程 deeplearning.ai (1-1) 深度学习概论--作业

吴恩达Coursera深度学习课程 deeplearning.ai (1-1) 深度学习概论--作业

andrewhill157-coursera-machine-learning.zip

andrewhill157-coursera-machine-learning.zip

machine-learning-ex5_macinelearning_coursera_machinelearning_

machine learning ex5 - coursera

coursera-machine-learning-master.zip_Y7Y_coursera_机器学习_机器学习matla

matlab版机器学习经典算法，适合初学者。

Coursera机器学习课程课后作业

Coursera机器学习课程课后作业 ，国内下载比较慢

Coursera机器学习代码作业答案

Coursera机器吴恩达机器学习课后大作业matlab答案，通过Coursera测试

course课程机器学习 machine learning 程序答案

机器学习课后练习程序代码，仅供参考，还是要自己做做的

open-machine-learning-course:开放式机器学习课程作业的解决方案

开放式机器学习课程 开放式机器学习课程作业的解决方案

matlab加密代码-machine_learning_course:我为吴安德（AndrewNg）的Coursera机器学习课程的作业提供的

matlab加密代码机器学习课程 我对吴安琪（Andrew Ng）的作业的解决方案。 练习涉及以下主题： 线性回归 逻辑回归 一对一（向量化Logistic回归） 神经网络 正则化线性回归和偏差方差 支持向量机 主成分分析和K均值聚类 异常检测和协同过滤 作业解决方案的Matlab源代码已加密，以符合Coursera Honor的代码，它使用OpenSSL和CBC模式下具有256位长密钥的高级加密标准（AES）对称密码。 加密命令类似于示例 $ openssl enc -e -aes-256-cbc -in octavecode.m -out octavecode.m.enc -pass file:secret 其中“ secret”是包含密码短语的文件的名称。 使用下一条命令进行解密 $ openssl enc -d -aes-256-cbc -in octavecode.m.enc -out octavecode.m -pass file:secret

Coursera 机器学习课程 Machine Learning 课程项目（未包含答案）合集 Andrew Ng Stanford

最新（2013年春）一期的Coursera 机器学习课程 Machine Learning Andrew Ng Stanford 课程项目（未包含答案）合集 Stanford这个的课程的核心就在于他的课程项目，全部是是现实实例的应用，绝对经典。自己动手做一做...

matlab正态曲线拟合代码-Coursera-Machine-Learning-Assignments:Coursera机器学习作业

matlab正态曲线拟合代码Coursera-机器学习作业 这是我对Andrew Ng教授的所有机器学习（Coursera）编程任务的解决方案。 完成本课程后，您将对机器学习算法有一个广泛的了解。 首先尝试自己解决所有任务，但是如果您...

吴恩达Coursera机器学习课程满分全代码

自己实现的吴恩达Coursera机器学习课程编程作业的满分代码，不包含optional部分。文件包含ex1~ex8的题目以及解决代码。

Mathematics-for-Machine-Learning-Coursera:我对Coursera作业的回答

Mathematics-for-Machine-Learning-Coursera:我对Coursera作业的回答

主成分回归代码matlab及例子-Coursera-Machine-Learning---Python-code:Coursera机器学习-P

主成分回归代码matlab及示例Coursera-机器学习--- Python代码 Coursera机器学习 该存储库包含Andrew Ng课程中某些练习的python实现。 对于课程中的许多作业，系统会指导您创建某些算法的完整，独立的Octave / MATLAB...

practical_machine_learning:实用机器学习课程（Coursera）的课程项目

实用机器学习 这是我为约翰霍普金斯大学彭博公共卫生学院通过 Coursera 提供的“实用机器学习”课程的项目。 描述我的方法的报告位于Report.Rmd （R Markdown 版本）和 Report.html（HTML 版本）文件中。 源代码位于source/Project.R文件中。

harmonyos2-Momentum-AI-machine-learning-course:MomentumAI机器学习课程

和声2 Momentum-AI-机器学习课程 这个 Momentum AI 的机器学习课程，教你如何使用最新的深度学习技术。 了解更多信息 Google 文档，概述了如何开始使用深度学习。 关于人工智能和机器学习的演讲。 本课程将教您如何使用不同的机器学习模型，重点是人工神经网络。 您将学习如何从头开始构建自己的人工神经网络，以及如何使用 Tensorflow 和 Keras 创建可以创建语言和理解视觉的机器学习模型。 本课程还将重点介绍如何建立训练有素的模型并在网络上工作。 训练你的第一个人工神经网络 在第一课中，您将学习如何使用 Keras 和 Tensorflow 开始深度学习。 你可以训练你自己的深度神经网络，它可以处理大脑成像数据。 这是 Keras 中深度神经网络的代码。 激动人心的东西！ # Visualize training history from keras . models import Sequential from keras . layers import Dense , BatchNormalization from keras . layers imp

machine-learning-course-2014:机器学习课程 ITMO, CT

机器学习课程 2014，ITMO，CT 一、KNN的实现 用其中一种编程语言实现 KNN。 如有必要，对数据集中的数据进行归一化，并通过某种方式（例如，交叉验证）为 KNN 选择 k 参数。 在测试样本和训练样本上计算分类器的 F 度量。 2.识别垃圾邮件 您需要训练贝叶斯分类器来识别垃圾邮件。 样本已经分为 10 个部分。 每个文件代表一条消息。 如果文件名包含 spmsg，则这是垃圾邮件，否则 (合法) 是正常消息。 3. 使用 SVM 拆分数据集 使用 SVM 划分数据集（有一些噪音，但通常它是线性可分的）。 作为答案，在y = kx + b 形式的分界线上打印近似系数k 和b。 此外，作为任务的第二部分，您需要在 KNN 任务中使用的同一数据集上应用 SVM。 但是对于此任务，您将不得不使用内核。 4. 线性回归的构建 构建线性回归。 该数据集的每个对象都由三个数字组成：公寓的居住

matlab正态曲线拟合代码-machine-learning-course:机器学习课程

matlab正态曲线拟合代码介绍 这是Andrew Ng教授在Coursera网站上的在线机器学习课程（MOOC）的R版本作业。 要下载讲座视频，请访问课程网站： 该存储库提供了用于解决R统计软件中分配问题的入门代码； 每个练习文件旁边也提供了完整的作业。 只需按照以下步骤完成任务： 查看讲座 阅读说明（pdf）。 指令基本上是针对MATLAB / OCTAVE的。 R兼容的指令版本将在以后作为页面提供。 使用Starter_solution文件夹并填写写在“您的代码在这里”的代码部分 如果您自己不能解决问题，请从启动程序代码位于同一文件夹中的_solution后缀文件中获取帮助。 例如， starter_solution/ex1/computeCost.R具有一个名为starter_solution/ex1/computeCost_solution.R的关联解决方案文件。 提交 依存关系 为了产生与Octave / Matlab类似的结果和图，您应该安装一些软件包： rgl软件包用于在练习中生成3D散点图和表面图。 SnowballC ：此程序包中的portStemmer函数具有与p

course_intro_to_machine_learning:Udacity课程“机器学习入门”-Python2

课程：机器学习入门 年：2019 平台：Udacity 链接： : 技术：Python 2 IDE ：IDLE Python

coursera吴恩达机器学习课程作业自写Python+Matlab实现源码+数据.zip

coursera吴恩达机器学习课程作业自写Python+Matlab实现源码+数据.zip 代码完整下载可用，注释详细新手也可看懂，确保都可用。 coursera吴恩达机器学习课程作业自写Python+Matlab实现源码+数据.zip 代码完整下载...

2022-Machine-Learning-Specialization-main.zip 吴恩达机器学习ppt

吴恩达的机器学习课程主要包括两门，一门是在Cousera上的《机器学习》，另一门是他在斯坦福大学教授的《CS229: Machine Learning》。 Cousera上的《机器学习》课程侧重于概念理解，而不是数学推导。这门课程重视...

deep-learning-specialization-coursera-master.zip

网易云课堂，吴恩达老师DL微课程的课后测试题和编程习题，

Coursera-Introduction-to-machine-learning:完成课程时完成实际作业

吴恩达的Coursera机器学习课程 该资料库包含学习课程时完成的所有编程作业。 以下是课程每周中完成的作业的简要说明。 第一周 该课程的第一周没有实际作业，因为它是与机器学习入门相关的基本概念和术语的简介。 第二周 在课程的第2周，实际作业的目的是使用梯度下降甚至法线方程学习线性回归（单变量和多变量）。 作业包括使用梯度下降算法和正态方程算法对数据进行可视化，对数据进行特征归一化，计算成本函数和各个梯度。 我们实施了线性回归来预测餐车的利润。 假设我们是一家餐饮连锁店的首席执行官，并且正在考虑在不同的城市开设新的门店。 该连锁店已经在各个城市开了卡车，您可以获得城市的利润和人口数据。 您想使用此数据来帮助您选择要扩展到下一个城市。 第三周 在课程的第3周，实际作业的目的是学习逻辑回归。 分配包括可视化数据，对数据执行特征归一化，计算成本函数，各个梯度以及添加正则化项 在上半年的作业中，

practical_machine_learning:实用机器学习 - Coursera - 约翰霍普金斯大学 - 课程作业

实用机器学习 实用机器学习 - Coursera - 约翰霍普金斯大学 - 课程作业