吴甜甜

本仓库包含吴恩达机器学习与深度学习课程的学习笔记和代码实现。课程笔记涵盖机器学习和深度学习的核心概念，代码部分则使用MATLAB实现了课程中涉及的基础算法。 关于课程编程作业： 强烈建议注册 Coursera 上对应的课程以完成编程作业。课程作业能够帮助你更好地理解和应用所学知识。 关于代码实现： 本仓库中的代码主要使用 MATLAB 编写，帮助学习者理解算法的底层实现。

精选教材吴恩达Deep Learning Specialization编程任务与答案整合，是为那些希望深入学习人工智能和深度学习的学习者准备的资源汇编。

《MySQL优化-吴炳锡》是一本专业的MySQL性能提升指南，作者吴炳锡基于丰富的实战经验，从多角度详解了MySQL优化的核心要点和应用实践。 1. 优化的总原则优化不仅仅追求速度的提升，还需要兼顾系统的稳定性和扩展性，以提高资源利用率。作者强调了理解业务需求、持续监控性能指标、并进行适时调整的重要性。 2. 深入理解MySQL的不同版本和分支MySQL有多个版本和分支，如InnoDB、MyISAM、MariaDB等，每个分支都具有独特的特性与适用场景。理解这些差异是优化的基础。 3. 业务场景的存储引擎选择与优化InnoDB作为默认引擎，以事务处理能力和行级锁机制广泛应用。作者重点讲解了如何

吴信东教授的十大算法课件，结构清晰、内容扎实，是那种一看就想收藏的资料。英文教材直接对标主流学术内容，适合做深度阅读或者复习用。 十大算法的内容安排比较合理，从C4.5、Apriori到k-means和SVM，每个都配了图解和基本公式。要是你平时写点数据相关的前端 demo，比如可视化决策树、聚类图，这些算法就挺有参考价值。 英文版讲义有点像那种你一边读一边想翻译的感觉，不过好处是术语和原始定义都保留了，查文献、对接英文技术文档比较方便。还有 PDF 版本，排版也比较舒服，眼睛不累。 如果你想系统性了解经典的机器学习算法，或者做数据挖掘可视化项目，这份讲义就挺合适的。附上几个还不错的相关文章，

matlab 吴恩达代码 Machine-Learning-AndrewNg 代码笔记：吴恩达机器学习课程编程作业，python 和 matlab 代码，及笔记。笔记由黄海广博士整理，原链接为：欢迎交流。

斯坦福大学吴恩达教授的机器学习实验一资料，使用Matlab编写。

Matlab 在做机器学习时的十字交叉验证方法挺常见的，是在验证模型性能时。吴安德的这份 Coursera 课程代码就是为 MATLAB 用户量身定制的，涉及了多实用的机器学习技巧。如果你也在用 Matlab 做机器学习，或者刚开始接触交叉验证，这些代码可以帮你迅速上手。比如，ex1_MATLAB.mlx和ex2_MATLAB.mlx就演示了如何通过统计和机器学习工具箱来创建回归和分类模型。而且，使用起来也蛮，只要跟着代码走，你就能了解 MATLAB 在机器学习中的强大功能。如果你还在为如何在 MATLAB 中实现十字交叉验证而头疼，可以先看一下这个资源。它不仅有详细的代码实现，还有不少实际应

《问卷统计分析实务——SPSS操作与应用吴明隆》是一本PDF电子档，内容完整，特别适合初学者学习SPSS。该书详细介绍了问卷统计分析的实际操作，利用SPSS软件进行数据处理和分析，是学习SPSS的理想选择。

猫和非猫的图像分类练习用的train_catvnoncat.h5挺适合刚入门的你练手。吴恩达课程里的经典素材，用的是HDF5 格式，加载速度快，存数据也方便。数据量不大，拿来做CNN 图像识别训练比较轻松，适合写小模型练习调参。文件名也好懂，train就是训练集，catvnoncat是二分类。后面训练的时候你会配合test_catvnoncat.h5一起用，一个训模型，一个测效果。流程清晰，适合初学者照着套路跑一遍。训练时一般会用卷积神经网络（CNN），比如两三层卷积加一层全连接就够用，配个ReLU激活、Adam优化器，损失函数用binary_crossentropy就行。用Keras或Ten

本书是人大吴喜之老师编写的《从数据到结论》第三版，内容详尽，涵盖了数理统计的基础和多元统计分析等概念，并配有丰富的练习。这本书绝对是一部值得阅读的精品。