斯坦福机器学习完整 python 实现
Branch: master
Clone or download
surejinwu
surejinwu fix: data spliter
Latest commit bafefee Jan 11, 2018
Permalink
Type Name Latest commit message Commit time
Failed to load latest commit information.
algorithm_analysis algorithm_analysis Mar 24, 2017
anomaly_detection recommender & anomaly Apr 24, 2017
kmeans kmeans update Apr 19, 2017
linear_regression fix: data spliter Jan 11, 2018
logical_regression logical regression onevsall Mar 20, 2017
neural_network svm Apr 15, 2017
pca pca Apr 19, 2017
recommender_system recommender & anomaly Apr 24, 2017
svm svm spam Apr 16, 2017
.gitignore kmeans Mar 8, 2017
README.md README.md Jun 14, 2017

README.md

斯坦福机器学习笔记

Gitbook 地址: 戳我

本书为斯坦福吴恩达教授的在 coursera 上的机器学习公开课的知识笔记,涵盖了大部分课上涉及到的知识点和内容,因为篇幅有限,部分公式的推导没有记录在案,但推荐大家还是在草稿本上演算一遍,加深印象,知其然还要知其所以然。

本书涉及到的程序代码均放在了我个人的 github 上,采用了 python 实现,大部分代码都是相关学习算法的完整实现和测试。我没有放这门课程的 homework 代码,原因是 homework 布置的编程作业是填空式的作业,而完整实现一个算法虽然历经更多坎坷,但更有助于检验自己对算法理解和掌握程度。

本书的章节安排与课程对应关系为:

斯坦福课程 本书章节
Week 2 线性回归
Week 3 逻辑回归
Week 4-5 神经网络
Week 6 算法分析与优化
Week 7 SVM(支持向量机)
Week 8 K-Means、特征降维
Week 9 异常检测、推荐系统
Week 10 大规模机器学习
Week 11 案例--光学字符识别

学生我才疏学浅,对机器学习也只是刚刚入门,文中难免不少纰漏甚至严重错误,希望大家指正,这是对我最大的帮助。本书最大的目的也在于交流学习,而不在 star 和传播。任重而道远,你我共勉。