【Stanford Machine Learning Open Course】编程题解(全)

这里是斯坦福大学机器学习网络课程的学习笔记。课程地址是：https://class.coursera.org/ml-2012-002/lecture/index

编程题地址：https://class.coursera.org/ml-2012-002/assignment/index

该课程全部资料地址：https://pan.baidu.com/s/1VUA6hC0ouPCTnhaz8E3LPA  （2018.8.28更新）

 

 

第一周、

　　课程内容：机器学习介绍、监督学习和无监督学习介绍、一维的线性回归问题介绍；

　　编程题：无；

第二周、

　　课程内容：多维线性回归问题 & octave介绍；

　　题目：计算线性回归问题的成本函数，下降梯度， 正规方程组，特征归一化；

第三周、

　　课程内容：分类问题的logistic回归方法（包括正则化）；

 　  题目：sigmoid函数、logistic回归方法；

第四周、

　　课程内容：分类问题的神经网络方法介绍；

　　题目：多分类问题基于logistic回归方法和神经网络方法的实现；

第五周：

　　课程内容：分类问题的神经网络算法（正向传播、负向传播）；

　　题目：神经网络算法实现、check梯度法；

第六周：

　　课程内容：分析和改进机器学习模型的方法；

　　题目：学习曲线、验证曲线、特征扩充；

第七周：

　　课程内容：支持向量机（SVM)及核方法；

　　题目：gaussian核函数、作弊邮件分类问题；

第八周：

　　课程内容：无监督学习：聚类问题，降维问题

　　题目：聚类问题的寻找中心点，降维问题的映射样本和还原样本；

第九周：

　　课程内容：异常发现，推荐系统；

　　题目：异常发现的协同矩阵及选择阈值 & 推荐系统成本函数和梯度；

第十周：

　　课程内容：

　　题目：无