白话大数据与机器学习

吴恩达机器学习作业1

作业一的python实现，有大牛指导，慢慢学习，我还是小白

机器学习实验一Linear Regression

机器学习实验一Linear Regression

吴恩达作业1

利用最简单的逻辑回归分类识别猫，包含了训练样本的数据集，训练样本能达到90%准确度，测试样本40%，毕竟是最简单的，但能体会权值、偏置的更新

matlab吴恩达代码-MachineLearning:吴恩达的机器学习课程作业

matlab吴恩达代码 MachineLearning Homework for Andrew Ng's Machine Learning Course 吴恩达老师机器学习课程的作业以及代码实现（matlab和python）

matlab开发-LinearRegression

matlab开发-LinearRegression。梯度下降法中平方误差最小化的线性回归拟合

matlab开发-ProbabilisticLinearRegression

matlab开发-ProbabilisticLinearRegression。自动选择模型的概率线性回归

coursera吴恩达机器学习课程作业自写Python版本+Matlab原版

coursera吴恩达机器学习课程作业自写Python版本+Matlab原版

Programming Exercise(机器学习2014练习)

Programming Exercise(机器学习2014练习)

Linear regression with one variable

吴恩达机器学习课程中exercise1的Linear regression with one variable

吴恩达机器学习编程题即部分答案

Programming Exercise 1: Linear Regression Machine Learning Introduction In this exercise, you will implement linear regression and get to see it work on data. Before starting on this programming exercise, we strongly recom- mend watching the video lectures and completing the review questions for the associated topics. To get started with the exercise, you will need to download the starter code and unzip its contents to the directory where you wish to complete the exercise. If needed, use the cd command in Octave/MATLAB to change to this directory before starting this exercise. You can also find instructions for installing Octave/MATLAB in the “En- vironment Setup Instructions” of the course website. Files included in this exercise ex1.m - Octave/MATLAB script that steps you through the exercise ex1 multi.m - Octave/MATLAB script for the later parts of the exercise ex1data1.txt - Dataset for linear regression with one variable ex1data2.txt - Dataset for linear regression with multiple variables submit.m - Submission script that sends your solutions to our servers [?] warmUpExercise.m - Simple example function in Octave/MATLAB [?] plotData.m - Function to display the dataset [?] computeCost.m - Function to compute the cost of linear regression [?] gradientDescent.m - Function to run gradient descent [†] computeCostMulti.m - Cost function for multiple variables [†] gradientDescentMulti.m - Gradient descent for multiple variables [†] featureNormalize.m - Function to normalize features [†] normalEqn.m - Function to compute the normal equations ? indicates files you will need to complete † indicates optional exercises

吴恩达机器学习 matlab代码 课件

cousera上的吴恩达机器学习课程 包含课件 每周作业

吴恩达机器学习matlab编程作业

吴恩达机器学习matlab编程作业 ex1：线性回归 ex2：logistic回归 ex3：前向神经网络 ex4: BP神经网络

吴恩达机器学习作业

吴恩达机器学习课后练习题代码，以及相应的分析，用MATLAB编写，欢迎下载

吴恩达机器学习编程作业

已经学习吴恩达机器学习课程，这个是编程作业，带答案自己写的，所有答案全部通过。

吴恩达课后编程作业（python+matlab）代码+习题要求

该资源是吴恩达公开课后的8次作业的习题+编程答案，编程答案分为python版本和matlab版本

吴恩达机器学习第一次编程作业原创源码答案machine-learning-ex1.zip

该代码为matlab代码，由小编独立编写，非转载，可以直接运行，亲测提交成绩满分，供大家参考。PS：另外在提交时出现问题的同学，可以尝试用octave4.2.1提交，亲测win10下成功提交。

吴恩达机器学习代码

好好敲代码！共同学习，一起进步···············································································

matlab吴恩达代码-AndrewNg-ML-Code:AndrewNgmachinelearninghomework(吴恩达机器学习作业代

matlab吴恩达代码AndrewNg-ML-Code 吴安达（Andrew Ng）机器学习作业（吴恩达机器学习作业代码） 希望该存储库可以帮助那些在完成作业时遇到困难的人。 所有代码都是在Jupyter Notebook中用Python编写的。 这是类别。 锻炼 内容 线性回归 逻辑回归 多类逻辑回归 神经网络 模型估计 支持向量机 Kmeans和PCA 异常检测与推荐系统 参考：

吴恩达机器学习入门代码_matlab_机器学习入门_吴恩达_

补充的代码都是向量化的，除了可以学习机器学习之外，还能够了解matlab向量化的思想

吴恩达机器学习作业ex4

吴恩达机器学习作业ex4

吴恩达机器学习作业ex2

吴恩达机器学习作业ex2

LSTM时间序列神经网络预测MATLAB代码

MATLAB代码，直接运行，可以换数据。

Matlab 基于支持向量机(SVM)的数据回归预测 SVM回归

1. Matlab实现支持向量机的数据回归预测（完整源码和数据) 2. 多变量输入，单变量输出，数据回归预测 3. 评价指标包括：R2、MAE、MSE、RMSE 4. 包括拟合效果图和散点图 5. Excel数据，暂无版本限制，推荐2018B及以上版本 注：采用 Libsvm 工具箱（无需安装，可直接运行），仅支持 Windows 64位系统

Matlab 基于BP神经网络的数据分类预测 BP分类

1. Matlab实现BP神经网络的数据分类预测（完整源码和数据) 2. 多变量输入，单变量输出（类别），数据分类预测 3. 评价指标包括：准确率 和 混淆矩阵 4. 包括拟合效果图 和 混淆矩阵 5. Excel数据，要求 Matlab 2018B及以上版本

ADRC控制器仿真 simulink 2017a版本

ADRC控制器仿真 simulink 2017a版本

2022建模国赛代码(三天坚持不易) 包括K-meas算法、bp预测、回归预测,(python和matlab做的).zip

2022建模国赛代码(三天坚持不易) 包括K-meas算法、bp预测、回归预测,(python和matlab做的).zip

matlab2020b ubuntu.txt

matlab2020b ubuntu 安装文件，有教程，看我博客。

五自由度机械臂正逆运动学matlab仿真

五自由度机械臂正逆运动学matlab仿真，包括正运动学，逆运动学和基础模型。并且具有测试代码，运动轨迹仿真。代码包含了机器人的运动学和轨迹规划问题。为了实现对五自由度机械臂的运动学控制，采用了 Denavit-Hartenberg (D-H)建模方法来建立机械臂的运动学模型。其运动学正解和逆解是利用机械臂的奇偶变换矩阵获得的矩阵得到运动学正解和反解