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整理的jupyter notebooks版本：对应 coursera_ml_ipynb 文件夹

3.mstampfer对照原版作业格式整理的Python版本，可以尝试自己实现

4.AceCoooool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

6.本人自写的，关于吴恩达（Andrew Ng）开设的深度学习课程deeplearning.ai的课程答案