ZZay's

Ex6_机器学习_吴恩达课程作业（Python）：SVM支持向量机（Support Vector Machines） 文章目录Ex6_机器学习_吴恩达课程作业（Python）：SVM支持向量机（Support Vector Machines）0. Pre-condition00. Self-created FunctionsloadData(path)：读取数据plotData(X, y)：可视化数据plotBoundary(classifier, X)：绘制类别间的决策边界displayBoundarie

Ex3_机器学习_吴恩达课程作业（Python）：多分类和神经网络（Multi-class Classification & Neural Networks） 文章目录Ex3_机器学习_吴恩达课程作业（Python）：多分类和神经网络（Multi-class Classification & Neural Networks）0. Pre-condition00. Self-created FunctionsloadData(path)：读取.mat数据loadWeight(path)：用于前

Ex5_机器学习_吴恩达课程作业（Python）：偏差预方差（Bias vs Variance） 文章目录Ex5_机器学习_吴恩达课程作业（Python）：偏差预方差（Bias vs Variance）0. Pre-condition00. Self-created FunctionslinearRegCost(theta, X, y, l)：损失函数linearRegGradient(theta, X, y, l)：梯度计算函数trainLinearReg(X, y, l)：正则化线性回归训练learni

Ex_机器学习_吴恩达课程练习（Python） Ex1_机器学习_吴恩达课程练习（Python）：线性回归（Linear Regression） Ex2_机器学习_吴恩达课程练习（Python）：逻辑回归（Logistic Regression）

Ex2_机器学习_吴恩达课程练习作业 文章目录Ex2_机器学习_吴恩达课程练习作业0. Pre-condition00. Self-created Functionssigmoid(z)：激活函数cost(theta, X, y)：计算损失gradient(theta, X, y)：计算梯度predict(theta, X)：给定参数与数据集，做出预测featureMapping(x1, x2, power)：特征映射costReg(theta, X, y, l=1)：正规化logistic回归的损失函数g

Ex1_机器学习_吴恩达课程 文章目录Ex1_机器学习_吴恩达课程0. Pre-condition00. Self-created FunctionscomputeCost(X, y, theta)：计算损失gradientDescent(X, y, theta, alpha, iters)：梯度下降实现Feature Normalization(X)：特征正规化Normal Equation(X, y)：正规方程求 theta1. Simple function2. Linear Regression w