文件名称：matlab非参数代码-CourseraMachineLearning:Coursera机器学习作业的所有编程解决方案
文件大小：14.52MB
文件格式：ZIP
更新时间：2024-06-28 07:08:13
系统开源
matlab非参数代码库瑟拉： 受教于 关于课程 摘自网站： 关于本课程：机器学习是让计算机在没有明确编程的情况下采取行动的科学。 在过去十年中，机器学习为我们提供了自动驾驶汽车、实用的语音识别、有效的网络搜索以及对人类基因组的极大理解。 机器学习在今天如此普遍，以至于您可能每天使用它数十次而不自知。 许多研究人员还认为，这是在人类级别的人工智能方面取得进展的最佳方式。 在本课程中，您将了解最有效的机器学习技术，并获得实施它们并让它们为您自己工作的实践。 更重要的是，您不仅会了解学习的理论基础，还会获得快速有效地将这些技术应用于新问题所需的实用知识。 最后，您将了解硅谷在创新方面的一些最佳实践，因为它与机器学习和 AI 相关。 本课程广泛介绍了机器学习、数据挖掘和统计模式识别。 主题包括： (i) 监督学习（参数/非参数算法、支持向量机、内核、神经网络）。 (ii) 无监督学习（聚类、降维、推荐系统、深度学习）。 (iii) 机器学习的最佳实践（偏差/方差理论；机器学习和人工智能的创新过程）。 本课程还将借鉴大量案例研究和应用，以便您还将学习如何将学习算法应用于构建智能机器人（感知、控
【文件预览】：
CourseraMachineLearning-master
----Week06()
--------dividerand.m(3KB)
--------polyFeatures.m(702B)
--------featureNormalize.m(510B)
--------ex5data1.mat(1KB)
--------ex5.m(7KB)
--------learningCurve.m(3KB)
--------README.md(45B)
--------validationCurve.m(2KB)
--------trainLinearReg.m(714B)
--------submit.m(2KB)
--------linearRegCostFunction.m(1KB)
--------fmincg.m(9KB)
--------plotFit.m(804B)
----Week02()
--------gradientDescent.m(951B)
--------ex1.m(3KB)
--------featureNormalize.m(1KB)
--------gradientDescentMulti.m(979B)
--------computeCost.m(664B)
--------ex1_multi.m(5KB)
--------plotData.m(983B)
--------ex1data2.txt(657B)
--------ex1data1.txt(1KB)
--------normalEqn.m(684B)
--------computeCostMulti.m(703B)
----Supplements()
--------README.md(28B)
--------example-plot.svg(9KB)
----README.md(3KB)
----Week04()
--------ex3weights.mat(78KB)
--------predict.m(1KB)
--------ex3.m(3KB)
--------.gitkeep(1B)
--------ex3data1.mat(7.16MB)
--------sigmoid.m(137B)
--------displayData.m(1KB)
--------lrCostFunction.m(2KB)
--------predictOneVsAll.m(1KB)
--------ex3_nn.m(3KB)
--------fmincg.m(9KB)
--------oneVsAll.m(2KB)
----Week03()
--------mapFeature.m(508B)
--------ex2.m(4KB)
--------predict.m(978B)
--------plotData.m(905B)
--------costFunctionReg.m(1KB)
--------ex2_reg.m(4KB)
--------sigmoid.m(448B)
--------costFunction.m(1024B)
--------ex2data1.txt(4KB)
--------plotDecisionBoundary.m(1KB)
--------ex2data2.txt(2KB)
----Week05()
--------predict.m(585B)
--------ex4weights.mat(78KB)
--------computeNumericalGradient.m(1KB)
--------nnCostFunction.m(5KB)
--------sigmoid.m(137B)
--------displayData.m(1KB)
--------README.md(45B)
--------randInitializeWeights.m(975B)
--------submit.m(2KB)
--------ex4data1.mat(7.16MB)
--------fmincg.m(9KB)
--------checkNNGradients.m(2KB)
--------debugInitializeWeights.m(841B)
--------ex4.m(8KB)
--------sigmoidGradient.m(706B)