【吴恩达老师】机器学习、深度学习课后习题所有的数据集

目录 1.0 实现线性回归预测 2.0 线性可分logistic逻辑回归 2.1 线性不可分logistic逻辑回归 3.0 logistic逻辑回归手写多分类问题 3.1 神经网络正向传播 4.0 神经网络反向传播（BP算法） 5.0 方差与偏差 6.0 SVM支持向量机 7.0 kmeans聚类 7.1 PCA主成分分析 ...

链接：https://pan.baidu.com/s/16J0XAyuN8NP7FQzCMpjCOg 提取码：5IJq

本文还有配套的精品资源，点击获取 简介：吴恩达教授的机器学习课程是人工智能领域广受好评的在线学习资源，本资料包包含课程中使用的精选数据集，涵盖了监督学习、无监督学习、特征工程、模型评估与调优等多个机器学习基础主题。通过操作这些数据集，学习者可以深化对理论的理解，并提升解决实际问题的能力。 1. 吴恩达机器学习课程概览 吴恩达的机器学习课程是全球最受欢迎和认可...

一、PCA算法 PCA算法为主成分分析算法，在数据集中找到“主成分”，可以用于压缩数据维度。 二、实现PCA算法 导入数据包。 import numpy as np import matplotlib.pyplot as plt from scipy.io import loadmat 导入一个二维数据，并绘制散点图。 data = loadmat("E:\\Pycharm\\workspace\\ex_Andrew\\ex7_Andrew\\ex7data1.mat") X = data['X'] #X