Coursera机器学习课程Matlab代码及曲线

这篇文章包含了Andrew Ng教授在Coursera机器学习课程中关于主成分回归的MATLAB代码实现，以及相应的Python示例。课程原本是在MATLAB环境下完成的，现在转换到了Python，并且每个Jupyter笔记件中都有详细的功能定义。

这些Python代码来自Coursera的机器学习课程mlclass，由Andrew Ng教授提供。这些代码主要用于取代Matlab/Octave练习，因为一些Octave功能在计算机上无法实现，如绘图。代码涵盖了大多数练习，使用了Numpy、Scipy、Matplotlib、NLTK和Sci-Kit Learn等库。需要注意的是，Python与Octave/Matlab在某些算法的实现上可能有所不同，导致结果略有差异。

这些文件源自Andrew Ng的Coursera机器学习课程，最初于2014年6月开设。课程已转为按需版本，学习者可在Coursera平台上找到。每周重点探讨不同的机器学习算法，包括线性回归、逻辑回归、多类别分类和预训练神经网络、神经网络、正则化线性回归、过拟合、支持向量机、K均值聚类和主成分分析、异常检测与系统重建。完成家庭作业需要进入相应子目录并运行对应的exn.m文件（n为1-8），例如第三周对应ex3.m。

本存储库包含Andrew Ng课程中若干练习的Python实现。课程要求学习者使用Octave/MATLAB实现算法如线性回归和逻辑回归，而其他作业则基于课程提供的代码。我将大部分代码改为了现有的Python实现，如Scikit-learn。目前包括线性回归、逻辑回归、多类分类与神经网络、神经网络学习、正则化线性回归与偏差方差、支持向量机、K均值聚类和主成分分析、异常检测与推荐系统等。

Matlab 正态曲线拟合代码介绍 这是 Andrew Ng 教授在 Coursera 网站上的在线机器学习课程（MOOC）的 R版本作业。要下载讲座视频，请访问课程网站：该存储库提供了用于解决 R 统计软件中分配问题的入门代码；每个练习文件旁边也提供了完整的作业。只需按照以下步骤完成任务： 查看讲座阅读说明（pdf）。指令基本上是针对 MATLAB / OCTAVE 的。 R兼容的指令版本将在以后作为页面提供。 使用 Starter_solution 文件夹并填写写在“您的代码在这里”的代码部分。 如果您自己不能解决问题，请从启动程序代码位于同一文件夹中的 _solution 后缀文件中获取帮助。例如，starter_solution/ex1/computeCost.R 具有一个名为 starter_solution/ex1/computeCost_solution.R 的关联解决方案文件。 依存关系安装 为了产生与 Octave / Matlab 类似的结果和图，您应该安装一些软件包： rgl 软件包用于在练习中生成 3D 散点图和表面图。 SnowballC：此程序包中的 portStemmer 函数具有与 p 相关的功能。

吴恩达机器学习编程作业（MATLAB实现） 林轩田机器学习基石课程编程作业（MATLAB实现） 吴恩达机器学习编程作业： 作业一Q15-17 作业一Q18-20 作业二Q16-18 作业二Q19-20 林轩田机器学习基石课程编程作业： 作业三Q7-10 作业三Q13-15 作业三Q18-20 作业四Q13-20

这个存储库包含了Andrew Ng教授机器学习课程作业的Python版本。这门课程是最受欢迎的在线机器学习入门课程之一，为学生提供了使用Python进行编程的机会。在过去几年中，Python在机器学习领域的应用迅速增长，因此我决定将所有MATLAB/OCTAVE编程作业重新编写为Python版本，以便学生能够更轻松地使用这个生态系统。这些新的编程作业与课堂教学完美结合，无需使用MATLAB进行任何操作。

这是Coursera提供的一门关于数据挖掘的在线课程。

这是宾夕法尼亚大学EdX课程中的MATLAB Canny算子边界检测函数代码，涵盖了机器学习在视觉智能中的应用。课程包括图像处理技术如图像卷积、边缘检测和特征提取，以及使用MATLAB和OpenCV实现的实际案例。