机器学习是人工智能及模式识别领域的共同研究热点，其理论和方法已被广泛应用于解决工程应用和科学领域的复杂问题。2010年的图灵奖获得者为哈佛大学的Leslie vlliant教授，其获奖工作之一是建立了概率近似正确（Probably Approximate Correct，PAC）学习理论；2011年的图灵奖获得者为加州大学洛杉矶分校的Judea Pearll教授，其主要贡献为建立了以概率统计为理论基础的人工智能方法。这些研究成果都促进了机器学习的发展和繁荣。 [2] 机器学习是研究怎样使用计算机模拟或实现人类学习活动的科学，是人工智能中最具智能特征，最前沿的研究领域之一。自20世纪80年代以来，机器学习作为实现人工智能的途径，在人工智能界引起了广泛的兴趣，特别是近十几年来，机器学习领域的研究工作发展很快，它已成为人工智能的重要课题之一。机器学习不仅在基于知识的系统中得到应用，而且在自然语言理解、非单调推理、机器视觉、模式识别等许多领域也得到了广泛应用。一个系统是否具有学习能力已成为是否具有“智能”的一个标志。机器学习的研究主要分为两类研究方向：第一类是传统机器学习的研究，该类研究主要是研究学习机制，注重探索模拟人的学习机制；第二类是大数据环境下机器学习的研究，该类研究主要是研究如何有效利用信息，注重从巨量数据中获取隐藏的、有效的、可理解的知识。 [2] 机器学习历经70年的曲折发展，以深度学习为代表借鉴人脑的多分层结构、神经元的连接交互信息的逐层分析处理机制，自适应、自学习的强大并行信息处理能力，在很多方面收获了突破性进展，其中最有代表性的是图像识别领域。

本代码压缩包是陈强教授的《机器学习以及R语言应用》的课后习题答案，从第四章到第十八章所有课后习题代码均有包含，所有代码经本人亲自运行，均能正常运行出所需结果。 但，代码集当中的命名仅是作为示范，并非如此不可，大家可以自行更改自己认为合适的命名，根据自身需要可以自行更改。 另外，所需要的数据集需要大家自行从网站进行下载或者从电脑中进行读取本地文件，请先配置好本地工作环境再运行代码。 值得注意的是，由于R语言当中很多包已经进行更新，一些新的包不再具有以前旧版本包的功能，比如新版本的wordcloud2不再支持自定义词云图形状，需要安装旧版本的wordcloud2才能进行自定义，从而完成相关工作。 代码量较大，难免有些许错误，还望大家海涵，另外，希望本资源作为大家的参考，而并非标准答案，希望能够帮助到大家。

包括线性回归，logistic，softmax，ANN等

最小二乘法 各个数值等间距，做为x轴的取值，通过转置成为一个有n行的列向量，为使结果y成为列向量做准备 % y是结果列向量 % p是设计矩阵，它的要求是：每一行代表一个采样，每一列代表一个基函数 % p(:,1)=...为矩阵的第一列赋值，赋的值是一个列向量 % p(:,2*j)=sin(j/2*x); p(:,2*j+1)=cos(j/2*x); 这是为偶数列和奇数列赋值 % 因为一列使用同一基函数，故使用j来决定基函数 % 列中各行是不同的采样值，所以自变量x是列向量 % XA=B的解：B/A

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。

人工智能，机器学习代码

文章目录1.实验目的2.训练+预测2.1.get_dummies方法2.2.OneHotEncoder方法 1.实验目的 根据csv文件已给属性（Car Model、Mileage、Sell Price($)、Age(yrs)）来预测汽车售价。下面将给出两种预测onehot编码方法，其中模型用LinearRegression。 汽车数据 密码:7izi 2.训练+预测 2.1.get_dummies方法 import pandas as pd df = pd.read_csv('carprices.csv') dummies = pd.get_dummies(df['Car Model'])

使用Python+TensorFlow，全连接的神经网络，基于MNIST数据集。数据集包含60000张训练图片，10000张测试图片。MNIST_model文件夹是已经训练30000次的模型，也可以自己再训练。app.py文件可以测试自己的图片。

R语言的回归分析与机器学习实践技术应用，详细介绍了R语言的应用于机器学习的方法。

该入门代码是Andrew ng（吴恩达）老师在coursera上开设的机器学习课程的编程习题的matlab代码，非常适合机器学习初学者作为参考来熟悉算法内涵、养成良好的编程习惯。