# ML-code-using-matlab-and-python
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。
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
PS:网上其他参考资料分享：
-----
1.课程作业原版是MATLAB版本（填空式编码):对应 machine-learning-ex1——ex8 文件夹
2.[kaleko](https://github.com/kaleko/CourseraML)整理的jupyter notebooks版本：对应 coursera_ml_ipynb 文件夹
3.[mstampfer](https://github.com/mstampfer/Coursera-Stanford-ML-Python)对照**原版作业格式**整理的Python版本，可以尝试自己实现
4.[AceCoooool](https://github.com/AceCoooool/ML-Andrew-Ng)整理的Python版本，有中文注释
5.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)
6.本人自写的，关于吴恩达（Andrew Ng）开设的深度学习课程[deeplearning.ai](https://github.com/TingNie/deeplearning.ai-coursera)的课程答案
