文件名称：matlab代码中向量的点乘-ml-coursera:ml-coursera
文件大小：35.45MB
文件格式：ZIP
更新时间：2024-06-12 11:15:30
系统开源
matlab代码中向量的点乘 Python程式设计作业 该存储库包含Andrew Ng教授教的编程作业的python版本。 这也许是最受欢迎的在线机器学习入门课程。 除了受欢迎之外，它还是任何有兴趣的学生可以上的最好的机器学习课程之一，以开始机器学习。 此类的一个不幸方面是编程分配是在MATLAB或OCTAVE中进行的，这可能是因为此类是在python成为机器学习中的通用语言之前进行的。 在过去的几年中，Python机器学习生态系统呈指数增长，并且仍保持增长势头。 我怀疑许多想开始机器学习之旅的学生也想使用Python来开始它。 出于这些原因，我决定用Python重写所有编程任务，以便学生从学习之初就可以熟悉它的生态系统。 这些分配与班级无缝协作，不需要在MATLAB分配中发布任何材料。 以下是这些作业分配的一些新功能和有用功能： 分配使用，与原始MATLAB / OCTAVE分配相比，它提供了直观的流程。 原始的赋值指令已被完全重写，用于引用MATLAB / OCTAVE功能的部分已更改为引用其python对应内容。 现在，重新编写的说明与python入门代码一起嵌入在Jupyter
【文件预览】：
ml-coursera-master
----.gitignore(1KB)
----Exercise8()
--------Data()
--------exercise8.ipynb(48KB)
--------utils.py(9KB)
--------Figures()
----Exercise6()
--------Data()
--------utils.py(23KB)
--------exercise6.ipynb(46KB)
--------Figures()
----README.md(7KB)
----machinelearning.jpg(66KB)
----Exercise1()
--------Data()
--------utils.py(2KB)
--------Figures()
--------exercise1.ipynb(275KB)
----Exercise7()
--------exercise7.ipynb(51KB)
--------Data()
--------utils.py(8KB)
--------Figures()
----requirements.txt(1KB)
----submission.py(4KB)
----Exercise4()
--------exercise4.ipynb(171KB)
--------Data()
--------utils.py(8KB)
--------Figures()
----Exercise2()
--------Data()
--------utils.py(5KB)
--------exercise2.ipynb(122KB)
--------Figures()
----Exercise3()
--------exercise3.ipynb(190KB)
--------Data()
--------utils.py(3KB)
--------Figures()
----Exercise5()
--------Data()
--------utils.py(5KB)
--------Figures()
--------exercise5.ipynb(161KB)