Contents
之前有介紹另一位開發者也做了同樣的事情-
閱讀筆記 – 使用 Python 實做吳恩達(Andrew Ng )機器學習課程 part 1
但是比對一下作者的名稱，應該是不同的開發者，看起來大家都比較喜歡使用 Python 來實作機器學習演算法
專案簡介
我在Coursera上完成了Andrew Ng /史丹佛大學的機器學習課程，但是我沒有使用課程提供的 Matlab 樣板，而是在Python中從零開始實現了一切。
內容：
範例 1：線性回歸
有一個變數和多個變數。
範例2：邏輯回歸
包括正規化。
範例3：多類別分類和神經網絡
手寫數字識別，使用兩種不同的方法：一對一邏輯回歸，向前傳播預訓練的神經網絡(forward propagating a pre-trained neural network)。
範例4：神經網絡學習
建構和訓練神經網絡，包括反向傳播，並將其用於手寫數字辨識。
範例5：正規化線性回歸和偏差與方差
包括學習曲線和多項式回歸。
範例6：支持向量機器
6.1：在一些樣本 2D 資料集上展示scikit-learn SVM，其中包含線性和高斯核心(Gaussian kernels)。
6.2：使用自然語言處理和 scikit-learn SVM 構建電子郵件垃圾郵件分類器。
範例7：K-means聚類和主成分分析
7.1：構建 k 均值聚類演算法並將其用於圖像壓縮。
7.2：構建PCA演算法並將其用於圖像壓縮和視覺化。
範例8：異常檢測和推薦系統
8.1：使用多元高斯模型進行異常檢測。 精準，召回，F1得分。
8.2：建構推薦系統並用它來推薦電影。