个人整理 斯坦福公开课 机器学习CS229课程 较全讲义、作业和matlab代码。

吴恩达机器学习CS229讲义译文，里面收集整理了吴恩达教授的在线课程CS229的讲义译文和一些对应课时的笔记

很好的ML入门资料-CS229课程，Stanford Universtiy Machine LearningCS229(含学习笔记和原始讲义)，很不错，分享给大家

matlab代码循环运行预测电池寿命 注意：请与Richard Braatz教授联系，以访问与Nature Energy论文相关联的代码存储库（具有学术许可）。 该存储库与《自然能源》论文无关。 该存储库包含有关我们的电池寿命早期预测工作的代码。 功能是在MATLAB中生成的，而机器学习是在python中执行的。 请参阅参考资料，以获得该分析的最新版本。 我们的关键脚本和功能总结如下： MATLAB代码： featuregeneration.m ：生成从电池数据集中提取的大量特征，并将其导出到csvs。 此功能以10为增量循环20至100。 Python代码： ElasticNet.py ：使用scikit-learn中的ElasticNetCV模块来训练弹性网络模型。 该模块自动执行5倍交叉验证，以选择alpha和l-1比率超参数的最佳值。 对于每个使用的初始周期数（20到100，以10为步长），分别对超参数进行了优化。 保存经过训练的模型，以便将其用于测试。 RandomForest.py ：使用scikit-learn中的RandomForestRegressor模块。 对于每个

CS229 吴恩达机器学习 习题大作业答案 problem sets 04 PS04（输出结果语音，欢迎指教）ICA 鸡尾酒晚会语音分解的例子

吴恩达的CS229课程笔记，共12章节，包含word和pdf。比coursera上的《机器学习》课程更加详细~

stanford 吴恩达机器学习 cs229作业代码 ipynb格式 内含各个作业文件

4.3 二次和线性函数的梯度和海森矩阵 现在我们来尝试确定几个简单函数的梯度和 Hessian 矩阵。应该注意的是，这里提供的所 有梯度都是 CS229 讲义中给出的梯度的特殊情况。 对任意 x ∈ Rn，令 f(x) = bT x ，其中 b ∈ Rn 是某个已知向量。 那么 所以 . 从这里我们可以很容易地看到∇xbT x = b。这应该与单变量计算中的类似情况进行比较，其 中∂/(∂x) ax = a 。 现在考虑二次函数 f(x) = xT Ax for A ∈ Sn。回忆一下 . 要求偏导数，我们将分开考虑 xk 和 x2k 项：

入门深度学习，数学基础部分的线性代数看这篇就够了。

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