【文件属性】：
文件名称：mlclass:面向 MAI 学生的机器学习实验室
文件大小：13.28MB
文件格式：ZIP
更新时间：2021-06-14 18:07:41
Python
机器学习
更新：
02.22在lease1_slides中发布第一讲主题的幻灯片
有用的材料：
描述如何使用 numpy
Matlab 的大部分函数都对应于 Python，但都在 numpy 模块中，即我们写 np.mean (X) 而不是 mean (X)
安装必要的库
Yandex ShAD 的一门课，很酷。
讲座适合第一个实验室：
回归恢复方法
介绍性讲座
PS建议1.25观看
课程很肤浅，实验室工作就是从中取材的。
使用 Scipy 代替 Octave，因此所有 * .m 文件都变成了一个 * .py
如何运行测试：
python -m unittest -v test_sanity
要完成的地方标有“您的代码在这里”
第1部分
跳过 1.1 提交解决方案
跳过 2.4 可视化 J (θ)
但我们会做额外的学分练习（可选）
在第 3.3 条正态方程下，我们
【文件预览】：
mlclass-master
----.gitignore(688B)
----README.md(2KB)
----lab1()
--------linear_regression.py(10KB)
--------ex1data1.txt(1KB)
--------test_sanity.py(762B)
--------ex1data2.txt(657B)
--------ex1.pdf(1.09MB)
----lab2()
--------ex5data1.mat(1KB)
--------ex5.pdf(182KB)
--------test_sanity.py(2KB)
--------regularized_linear.py(16KB)
----lecture1_slides()
--------4_Regularization.pdf(2.34MB)
--------3_Multiple_features.pdf(1.7MB)
--------Voron-ML-LinReg-SG.pdf(1.58MB)
--------1_Introduction.pdf(3.3MB)
--------2_Linear_regression.pdf(2.88MB)
--------Voron-ML-Intro-slides.pdf(1.34MB)