【Stanford Machine Learning Open Course】编程题解(全)
2012-11-08 17:21
344 查看
这里是斯坦福大学机器学习网络课程的学习笔记。课程地址是:https://class.coursera.org/ml-2012-002/lecture/index
编程题地址:https://class.coursera.org/ml-2012-002/assignment/index
该课程全部资料地址:http://pan.baidu.com/s/1o68YRCe
第一周、
课程内容:机器学习介绍、监督学习和无监督学习介绍、一维的线性回归问题介绍;
编程题:无;
第二周、
课程内容:多维线性回归问题 & octave介绍;
题目:计算线性回归问题的成本函数,下降梯度, 正规方程组,特征归一化;
第三周、
课程内容:分类问题的logistic回归方法(包括正则化);
题目:sigmoid函数、logistic回归方法;
第四周、
课程内容:分类问题的神经网络方法介绍;
题目:多分类问题基于logistic回归方法和神经网络方法的实现;
第五周:
课程内容:分类问题的神经网络算法(正向传播、负向传播);
题目:神经网络算法实现、check梯度法;
第六周:
课程内容:分析和改进机器学习模型的方法;
题目:学习曲线、验证曲线、特征扩充;
第七周:
课程内容:支持向量机(SVM)及核方法;
题目:gaussian核函数、作弊邮件分类问题;
第八周:
课程内容:无监督学习:聚类问题,降维问题
题目:聚类问题的寻找中心点,降维问题的映射样本和还原样本;
第九周:
课程内容:异常发现,推荐系统;
题目:异常发现的协同矩阵及选择阈值 & 推荐系统成本函数和梯度;
第十周:
课程内容:
题目:无
编程题地址:https://class.coursera.org/ml-2012-002/assignment/index
该课程全部资料地址:http://pan.baidu.com/s/1o68YRCe
第一周、
课程内容:机器学习介绍、监督学习和无监督学习介绍、一维的线性回归问题介绍;
编程题:无;
第二周、
课程内容:多维线性回归问题 & octave介绍;
题目:计算线性回归问题的成本函数,下降梯度, 正规方程组,特征归一化;
第三周、
课程内容:分类问题的logistic回归方法(包括正则化);
题目:sigmoid函数、logistic回归方法;
第四周、
课程内容:分类问题的神经网络方法介绍;
题目:多分类问题基于logistic回归方法和神经网络方法的实现;
第五周:
课程内容:分类问题的神经网络算法(正向传播、负向传播);
题目:神经网络算法实现、check梯度法;
第六周:
课程内容:分析和改进机器学习模型的方法;
题目:学习曲线、验证曲线、特征扩充;
第七周:
课程内容:支持向量机(SVM)及核方法;
题目:gaussian核函数、作弊邮件分类问题;
第八周:
课程内容:无监督学习:聚类问题,降维问题
题目:聚类问题的寻找中心点,降维问题的映射样本和还原样本;
第九周:
课程内容:异常发现,推荐系统;
题目:异常发现的协同矩阵及选择阈值 & 推荐系统成本函数和梯度;
第十周:
课程内容:
题目:无
相关文章推荐
- 【Stanford Machine Learning Open Course】3. 线性回归问题两种解法:正规方程组解法 & 梯度下降法
- 【Stanford Machine Learning Open Course】机器学习中的大数据处理
- 【Stanford Machine Learning Open Course】4. 特征优化
- 【Stanford Machine Learning Open Course】13. week5编程题解
- 【Stanford Machine Learning Open Course】14. 分析和改进机器学习模型
- 【Stanford Machine Learning Open Course】1. 机器学习介绍
- 【Stanford Machine Learning Open Course】5. Octave入门
- 【Stanford Machine Learning Open Course】6. week2编程题解
- 【Stanford Machine Learning Open Course】15. week6编程题解
- 【Stanford Machine Learning Open Course】12. week4编程题解
- 【Stanford Machine Learning Open Course】7. 分类问题 & logistic回归方法
- 【Stanford Machine Learning Open Course】8. 过拟合问题解决以及在回归问题和分类问题上的应用
- 【Stanford Machine Learning Open Course】2. 线性回归问题介绍
- 【Stanford Machine Learning Open Course】9. week3编程题解
- Stanford Machine Learning Open Course
- neural network for machine learning(第三周编程作业)----感知机算法
- (原创)Stanford Machine Learning (by Andrew NG) --- (week 10) Large Scale Machine Learning & Application Example
- Outline of PhD Course of Machine Learning in CMU
- Stanford Machine Learning: (3). Regularization
- Machine Learning and Data Mining Course/Video