文件名称：matlab的egde源代码-MachineLearning:Matlab/Octave中机器学习算法的实现
文件大小：15.29MB
文件格式：ZIP
更新时间：2024-06-10 16:03:04
系统开源
matlab的egde源代码机器学习 我强烈推荐安德鲁·伍（Andrew Ng）免费在线使用，这里的大部分资料都是在创建的。 “如果某计算机程序在T上的性能（由P来衡量）随着经验E的提高而改善，那么据说它可以从经验E中学习一些任务T和一些性能指标P。 〜汤姆·米切尔（Tom Mitchell）定义的机器学习 如何使用此代码 1.安装[此处没有八度音调]（）或[此处不是十进制的Matlab]（）。 请注意，Octave = Matlab没有漂亮的图形用户界面。 我使用Octave，所以如果您没有Matlab的钱，就不会觉得自己有任何遗漏。 分叉此存储库并在本地克隆它！ 导航到特定文件夹（使它们变得非常特定），然后查看该特定文件夹的README.md文件（要针对哪个文件夹运行），以查看有关机器学习算法可以为您执行的示例。 享受！ 此存储库中的每个文件/文件夹用于什么目的： -[diagnosticTests]（./ diagnosticTests）=可让您深入了解什么与学习算法不兼容的测试 imagesForExplanation =包含其他文件夹的README.md文件中使用的图像以进行
【文件预览】：
MachineLearning-master
----supervisedLearning()
--------linearRegressionInMultipleVariables()
--------linearRegressionIn1Variable()
--------logisticRegression()
--------LinearAlgebraReview.md(1KB)
----unsupervisedLearning()
--------neuralNetworks()
----imagesForExplanation()
--------NeuralNetworkEquations.jpg(54KB)
--------NeuralNetwork.jpg(92KB)
--------ArtificialNeuronSimulateLogicalAND.jpg(63KB)
--------ArtificialNeuronModel.jpg(57KB)
--------CostFunctionExampleWithTheta_0AndTheta_1.jpg(229KB)
--------LabeledNeuron.jpg(76KB)
--------GradientDescentWithMutlipleLocalMinimum.jpg(265KB)
--------equations()
--------UnderFitAndOverFit.jpg(62KB)
----diagnosticTests()
--------polyFeatures.m(668B)
--------submitWeb.m(807B)
--------featureNormalize.m(510B)
--------ex5data1.mat(1KB)
--------ex5.m(7KB)
--------learningCurve.m(2KB)
--------README.md(2KB)
--------validationCurve.m(2KB)
--------trainLinearReg.m(714B)
--------submit.m(17KB)
--------linearRegCostFunction.m(944B)
--------fmincg.m(9KB)
--------plotFit.m(804B)
----README.md(2KB)