机器学习课程资料（国外大学全英文） 系统、简明扼要；精确传达机器学习的关键概念，解释很清楚

机器学习代码。这个代码是斯坦福大学的课程代码。里面包含8个课程代码。一劳永逸。代码写的很透彻，值得我们自己去好好分析。

英文版课件，作业，和 课程教材PRML 的样书，适合初学者学习。所有资料均为英文！

2015-2020历年考题、作业答案、课堂复习整理以及相关题目答案+上课PPT

机器学习+BP神经网络+北邮自动化机器学习课程作业+实验

可能你对这个名字叫“机器学习”的家伙不是特别的了解，但是相信用过iPhone的同学都知道iPhone的语音助手Siri，它能帮你打电话，查看天气等等；相信大家尤其是美女童鞋都用过美颜相机，它能自动化的给我们拍出更漂亮的照片；逛京东淘宝的时候，细心的童鞋应该也会发现它们会有一个栏目“猜你喜欢”；最近异军突起的新闻客户端软件今日头条，它们就是会根据分析你的日常喜好给每个人推荐不同的新闻……没错，这些功能背后的核心就是今天要介绍的主题：机器学习。

机器学习课程PPT-集成学习-学生课件

西安电子科技大学 机器学习课程资料-附件资源

Machine_learning_project 对于runnig，您需要运行main.py文件的代码。 该文件使用了我编写的类之一。 此类位于\ ML_FAB_Classes \ NN_Prep.py。 该课程进行神经网络训练。 main.py由5个部分组成，每个部分将在下文中详细说明 第1部分：导入库它导入所需的库以及我为神经网络培训编写的类 第2部分：加载数据对象本节从xdf文件加载数据并将其转换为熊猫数据帧格式 第3部分：数据初始化本节消除了数据中的噪音，并对谨慎的功能进行了热编码器操作 第4部分：ML规范化本节规范功能和连续标签 第5部分：训练本部分训练神经网络并获得训练后的模型 第6部分：结果和图本节显示了基于所有可用数据（包括训练和测试数据）的模型有多少错误，还绘制了所有可用数据的标签并将其与来自训练模型的预测标签进行比较

Coursera 机器学习课程作业答案，资源中整理了自己学习NG在Coursera讲授的机器学习课程的作业，是在原有的作业下载文档之下完成，如有需要，可下载参考。