文件名称：machine-learning:吴安德（Andrew Ng）的机器学习课程
文件大小：33.98MB
文件格式：ZIP
更新时间：2024-05-18 12:07:38
machine-learning linear-regression coursera neural-networks logistic-regression
机器学习课程 吴安德（Andrew Ng）的斯坦福大学机器学习课程（Coursera） 本课程的作业用Octave和Matlab编写。 当心那里可能包含错误。 作业1-线性回归 具有一个变量的线性回归，可以预测餐车的利润。 实施梯度下降。 作业2-Logistic回归和正则Logistic回归 Logistic回归预测学生是否将被大学录取。 进行正规的逻辑回归，以预测制造工厂的微芯片是否通过质量保证。 作业3-多类分类和神经网络表示 实施一对多逻辑回归和神经网络来识别手写数字。 Logistic回归使用多个一对一Logistic回归模型识别手写数字，以构建多类分类器。 实施神经网络以识别手写数字。 神经网络将能够代表形成非线性假设的复杂模型。 实现前馈传播算法以进行预测。 作业4-神经网络学习 实现神经网络的反向传播算法，并将其应用于手写数字识别的任务。 通过正则化实现神经网络的成本函数