斯坦福大学机器学习课程原始讲义，以及个人详细学习笔记

非常详细的笔记及课件，配套 课程：http://open.163.com/special/opencourse/machinelearning.html

Stanford CS229 Python机器学习 该存储库包含问题集以及Stanford CS229-在Coursera上用Python 3编写的机器学习课程的解决方案。我还记了一些其他注释。 请查看和。 请注意，您的解决方案将不会获得评分，也不会以任何方式隶属于Coursera。 如果您的答案与我的不同，并且您认为自己的答案更好，请在创建一个问题。 安装 确保已安装jupyter笔记本。 您可以在找到说明。 使用以下Python软件包： 您可以使用以下命令安装所有依赖项： python3 -m pip install -r requirements.txt 使用说明 请从Coursera课程下载练习（pdf）。 笔记本电脑中包含一些说明。 在练习笔记本中完成练习。 将您的答案与解决方案笔记本中的代码进行比较。 内容 线性回归 逻辑回归与正则化 多类分类和神经网络 神经网络学习 正则化线性回归与偏差与方差 支持向量机 K-均值聚类和主成分分析 异常检测和推荐系统 版权声明 此仓库中的所有代码，练习，数据和其他文件均为:copyright:Stanford Universi

资源是从CSDN下载的，50积分的那个太贵了，所以重新整理下载了该资源，不想花积分的话，可以直接去百度Andrew Ng CS229，直接去官方网站下载，资源都是开放的。（窃取别人的东西赚钱是很可耻的。） 英文原始讲义本身很好，数学上的东西都讲到了，而且从最基本的数学讲起，很不错的资源。

Andrew Ng机器学习.zip 包含吴恩达cs229全部课程教程及练习题

Andrew Ng教授的机器学习课程cs229对应的上课讲义，作业，以及作业讲解

CS229 2018年秋季 斯坦福大学的课程的所有讲义，幻灯片和作业。 所有讲座的视频都可以 。

xgboost代码回归matlab 通过遥感CNN功能预测贫困 入门 对于此项目，我们提供了使用遥感CNN功能进行贫困预测的研究。 通过从CNN提供的4096个特征中精心选择特征，我们训练了一个模型，该模型可以比使用夜灯强度更好地预测财富指数。 我们分两部分进行研究，即特征选择和模型训练。 我们使用基于相关性，基于套索的和正向搜索方法来选择特征。 我们使用线性回归，岭回归，Lasso回归和XGBoost来训练我们的模型并比较性能。 您可以使用我们提供的代码来完成此过程。 先决条件 使用MATLAB提供的内置函数来开发特征选择方法和基本回归模型。 “ all_countries_dhs.mat”是包含所有训练数据和训练集的文件。 要在Python中运行XGBoost代码和VAE代码，您需要： Python 2.7 正在安装 请参考上面的链接，了解如何安装依赖项。 对于MacOS，如果您在计算机上安装了pip，则可以执行以下操作： pip install xgboost pip install -U scikit-learn python -m pip install --user num

2.CS229-Prob.pdf