吴恩达coursera机器学习课后编程练习源代码（官方matlab版本+多个python实现版本）

【实例简介】
内有详细搜集的吴恩达机器学习课的课后习题编程实现代码，有官方提供的matlab版本，还有多个用python实现的版本，并且附有详细的注释以及作业文档说明。
【实例截图】
【核心代码】
机器学习课程2014源代码
└── 机器学习课程2014源代码
├── octave代码
│   ├── README.md
│   ├── coursera作业答案 仅供参考.zip
│   ├── mlclass-ex1-jin
│   │   ├── OGLdpf.log
│   │   ├── computeCost.m
│   │   ├── computeCostMulti.m
│   │   ├── ex1.m
│   │   ├── ex1_multi.m
│   │   ├── ex1data1.txt
│   │   ├── ex1data2.txt
│   │   ├── featureNormalize.m
│   │   ├── gradientDescent.m
│   │   ├── gradientDescentMulti.m
│   │   ├── ml_login_data.mat
│   │   ├── normalEqn.m
│   │   ├── plotData.m
│   │   ├── submit.m
│   │   ├── submitWeb.m
│   │   └── warmUpExercise.m
│   ├── mlclass-ex2-jin
│   │   ├── costFunction.m
│   │   ├── costFunctionReg.m
│   │   ├── ex2.m
│   │   ├── ex2.pdf
│   │   ├── ex2_reg.m
│   │   ├── ex2data1.txt
│   │   ├── ex2data2.txt
│   │   ├── mapFeature.m
│   │   ├── plotData.m
│   │   ├── plotDecisionBoundary.m
│   │   ├── predict.m
│   │   ├── sigmoid.m
│   │   ├── submit.m
│   │   └── submitWeb.m
│   ├── mlclass-ex3-jin
│   │   ├── displayData.m
│   │   ├── ex3.m
│   │   ├── ex3.pdf
│   │   ├── ex3_nn.m
│   │   ├── ex3data1.mat
│   │   ├── ex3weights.mat
│   │   ├── fmincg.m
│   │   ├── lrCostFunction.m
│   │   ├── oneVsAll.m
│   │   ├── predict.m
│   │   ├── predictOneVsAll.m
│   │   ├── sigmoid.m
│   │   ├── submit.m
│   │   └── submitWeb.m
│   ├── mlclass-ex4-jin
│   │   ├── checkNNGradients.m
│   │   ├── computeNumericalGradient.m
│   │   ├── debugInitializeWeights.m
│   │   ├── displayData.m
│   │   ├── ex4.m
│   │   ├── ex4.pdf
│   │   ├── ex4data1.mat
│   │   ├── ex4weights.mat
│   │   ├── fmincg.m
│   │   ├── nnCostFunction.m
│   │   ├── predict.m
│   │   ├── randInitializeWeights.m
│   │   ├── sigmoid.m
│   │   ├── sigmoidGradient.m
│   │   ├── submit.m
│   │   └── submitWeb.m
│   ├── mlclass-ex5-jin
│   │   ├── ex5.m
│   │   ├── ex5.pdf
│   │   ├── ex5data1.mat
│   │   ├── featureNormalize.m
│   │   ├── fmincg.m
│   │   ├── learningCurve.m
│   │   ├── linearRegCostFunction.m
│   │   ├── plotFit.m
│   │   ├── polyFeatures.m
│   │   ├── submit.m
│   │   ├── submitWeb.m
│   │   ├── trainLinearReg.m
│   │   └── validationCurve.m
│   ├── mlclass-ex6-jin
│   │   ├── dataset3Params.m
│   │   ├── emailFeatures.m
│   │   ├── emailSample1.txt
│   │   ├── emailSample2.txt
│   │   ├── ex6.m
│   │   ├── ex6.pdf
│   │   ├── ex6_spam.m
│   │   ├── ex6data1.mat
│   │   ├── ex6data2.mat
│   │   ├── ex6data3.mat
│   │   ├── gaussianKernel.m
│   │   ├── getVocabList.m
│   │   ├── linearKernel.m
│   │   ├── plotData.m
│   │   ├── porterStemmer.m
│   │   ├── processEmail.m
│   │   ├── readFile.m
│   │   ├── spamSample1.txt
│   │   ├── spamSample2.txt
│   │   ├── spamTest.mat
│   │   ├── spamTrain.mat
│   │   ├── submit.m
│   │   ├── submitWeb.m
│   │   ├── svmPredict.m
│   │   ├── svmTrain.m
│   │   ├── visualizeBoundary.m
│   │   ├── visualizeBoundaryLinear.m
│   │   └── vocab.txt
│   ├── mlclass-ex7-jin
│   │   ├── bird_small.mat
│   │   ├── bird_small.png
│   │   ├── computeCentroids.m
│   │   ├── displayData.m
│   │   ├── drawLine.m
│   │   ├── ex7.m
│   │   ├── ex7.pdf
│   │   ├── ex7_pca.m
│   │   ├── ex7data1.mat
│   │   ├── ex7data2.mat
│   │   ├── ex7faces.mat
│   │   ├── featureNormalize.m
│   │   ├── findClosestCentroids.m
│   │   ├── kMeansInitCentroids.m
│   │   ├── pca.m
│   │   ├── plotDataPoints.m
│   │   ├── plotProgresskMeans.m
│   │   ├── projectData.m
│   │   ├── recoverData.m
│   │   ├── runkMeans.m
│   │   ├── submit.m
│   │   └── submitWeb.m
│   ├── mlclass-ex8-jin
│   │   ├── checkCostFunction.m
│   │   ├── cofiCostFunc.m
│   │   ├── computeNumericalGradient.m
│   │   ├── estimateGaussian.m
│   │   ├── ex8.m
│   │   ├── ex8.pdf
│   │   ├── ex8_cofi.m
│   │   ├── ex8_movieParams.mat
│   │   ├── ex8_movies.mat
│   │   ├── ex8data1.mat
│   │   ├── ex8data2.mat
│   │   ├── fmincg.m
│   │   ├── loadMovieList.m
│   │   ├── movie_ids.txt
│   │   ├── multivariateGaussian.m
│   │   ├── normalizeRatings.m
│   │   ├── selectThreshold.m
│   │   ├── submit.m
│   │   ├── submitWeb.m
│   │   └── visualizeFit.m
│   └── 整合pdf
│   ├── Programming Exercise(机器学习2014练习).pdf
│   ├── ex1.pdf
│   ├── ex2.pdf
│   ├── ex3.pdf
│   ├── ex4.pdf
│   ├── ex5.pdf
│   ├── ex6.pdf
│   ├── ex7.pdf
│   ├── ex8.pdf
│   ├── 源代码目录.docx
│   └── 源代码打印.pdf
└── python代码
├── ex1-linear regression
│   ├── 1.linear_regreesion_v1.ipynb
│   ├── ML-Exercise1.ipynb
│   ├── ex1.pdf
│   ├── ex1data1.txt
│   └── ex1data2.txt
├── ex2-logistic regression
│   ├── 1. logistic_regression_v1.ipynb
│   ├── ML-Exercise2-v1.ipynb
│   ├── ML-Exercise2.ipynb
│   ├── Untitled.ipynb
│   ├── ex2.pdf
│   ├── ex2data1.txt
│   └── ex2data2.txt
├── ex3-neural network
│   ├── 1- neural network.ipynb
│   ├── ML-Exercise3.ipynb
│   ├── ex3.pdf
│   ├── ex3data1.mat
│   └── ex3weights.mat
├── ex4-NN back propagation
│   ├── 1- NN back propagation.ipynb
│   ├── ML-Exercise4.ipynb
│   ├── ex4.pdf
│   ├── ex4data1.mat
│   └── ex4weights.mat
├── ex5-bias vs variance
│   ├── 1- bias vs variance.ipynb
│   ├── ML-Exercise5.ipynb
│   ├── ex5.pdf
│   └── ex5data1.mat
├── ex6-SVM
│   ├── 1- linear SVM.ipynb
│   ├── 2- Gaussian kernels.ipynb
│   ├── 3- search for the best parameters.ipynb
│   ├── 4- spam filter.ipynb
│   ├── ML-Exercise6.ipynb
│   ├── data
│   │   ├── emailSample1.txt
│   │   ├── emailSample2.txt
│   │   ├── ex6data1.mat
│   │   ├── ex6data2.mat
│   │   ├── ex6data3.mat
│   │   ├── spamSample1.txt
│   │   ├── spamSample2.txt
│   │   ├── spamTest.mat
│   │   ├── spamTrain.mat
│   │   └── vocab.txt
│   └── ex6.pdf
├── ex7-kmeans and PCA
│   ├── 1- visualize data.ipynb
│   ├── 2- 2D kmeans.ipynb
│   ├── 3- kmeans for image compression.ipynb
│   ├── 4- 2D PCA.ipynb
│   ├── 5- PCA on face data.ipynb
│   ├── ML-Exercise7.ipynb
│   ├── data
│   │   ├── bird_small.mat
│   │   ├── bird_small.png
│   │   ├── ex7data1.mat
│   │   ├── ex7data2.mat
│   │   └── ex7faces.mat
│   └── ex7.pdf
├── ex8-anomaly detection and recommendation
│   ├── 1- Anomaly detection.ipynb
│   ├── 2- Recommender system.ipynb
│   ├── ML-Exercise8.ipynb
│   ├── data
│   │   ├── ex8_movieParams.mat
│   │   ├── ex8_movies.mat
│   │   ├── ex8data1.mat
│   │   ├── ex8data2.mat
│   │   └── movie_ids.txt
│   └── ex8.pdf
├── helper
│   ├── __init__.py
│   ├── anomaly.py
│   ├── general.py
│   ├── kmeans.py
│   ├── linear_regression.py
│   ├── logistic_regression.py
│   ├── nn.py
│   ├── pca.py
│   ├── recommender.py
│   └── test
│   ├── __init__.py
│   ├── nn_test.py
│   └── test_data
│   ├── ex4data1.mat
│   └── ex4weights.mat
└── img
├── cov_mat.png
├── f1_score.png
├── gradient_checking.png
├── linear_cost.png
├── linear_gradient.png
├── linear_reg_cost.png
├── linear_reg_gradient.png
├── logistic_cost.png
├── logistic_gradient.png
├── mapped_feature.png
├── nn_cost.png
├── nn_model.png
├── nn_reg_grad.png
├── nn_regcost.png
├── pca_projection.png
├── rcmd_cost.png
├── rcmd_gradient.png
├── rcmd_reg_grad.png
├── rcmd_vectorized_grad.png
├── reg_cost.png
└── reg_gradient.png

27 directories, 253 files