机器学习

一起养成写作习惯！这是我参与「掘金日新计划 · 4 月更文挑战」的第18天，点击查看活动详情。 前言 $NumPy$提供了线性代数函数库linalg，该库包含了线性代数所需的所有功能，可以看看下面的说

一起养成写作习惯！这是我参与「掘金日新计划 · 4 月更文挑战」的第17天，点击查看活动详情。 前言 $NumPy$提供了线性代数函数库linalg，该库包含了线性代数所需的所有功能，可以看看下面的说

一起养成写作习惯！这是我参与「掘金日新计划 · 4 月更文挑战」的第16天，点击查看活动详情。 前言 $NumPy$提供了线性代数函数库linalg，该库包含了线性代数所需的所有功能，可以看看下面的说

单变量线性回归 ​ ​ ​ ​ 多变量线性回归 ​ ​ scikit-learn的线性回归函数 ​ ​ normal equation（正规方程） 假设我们的训练集特征矩阵为X（包含了$x_0=1$）

逻辑回归 在训练的初始阶段，将要构建一个逻辑回归模型来预测，某个学生是否被大学录取。设想你是大学相关部分的管理者，想通过申请学生两次测试的评分，来决定他们是否被录取。现在你拥有之前申请学生的可以用于训

机器学习练习 3 - 多类分类 在本练习中，您将实现一对一的逻辑回归和神经网络来识别手写的数字。在开始编程练习之前，我们强烈建议您观看视频讲座，并完成相关主题的复习问题。要开始这个练习，您需要下载启动

机器学习练习 4 - 神经网路 Introduction 在本练习中，将实现神经网络的反向传播算法，并将其应用于手写数字识别任务。我们将通过反向传播算法实现神经网络成本函数和梯度计算的非正则化和正则化

机器学习练习 5 - Regularized Linear Regression and Bias v.s.Variance Introduction 在本练习中，将实现正则化线性回归，并使用它来研究

机器学习练习 6 - Support Vector Machines（支持向量机） Introduction 在本实验中，将使用支持向量机(SVMs)来构建垃圾邮件分类器。 1 Support Vec

吴恩达机器学习作业7 - K-means和PCA主成分分析（Python实现） Introduction 在本实验中，将实现K-means聚类算法，并将其应用于图像压缩。在第二部分实验中，将使用主成分

吴恩达机器学习作业8 - 异常检测和推荐系统（Python实现） Introduction 在第一个实验中，将实现异常检测算法，并应用于检测网络上出现故障的服务器。在第二个实验中，将使用协同过滤来构建

​ ​ ​ ​ ​ ​ 主成分分析 思路是利用矩阵的特征值分解，根据特征值的大小确定各特征轴在数据中的权重，特征值非常小的成分可以忽略不计，从而实现数据降维或者数据压缩。矩阵（图像）X，其维度为$n\