The note document of CS229 one-by-one class at ".\note". (finished in 2019.04)
The solutions to the exercises at ".\exercise" done during Machine Learning course by Andrew Ng on Coursera.
These are in programming language Octave/MATLAB.
- Original exercises forked from "https://github.com/goswami-rahul/machine-learning-by-AndrewNg-exercises".
- Repair some of bugs.
- Give out personal solutions by Octave/MATLAB only (JSON files #and associated toolbox# not included).
- Make conclusions (and some useless demos?) at ".\exercise\ex_extra" in Chinese (hope it helps!).
.
├── note
│ ├── doc
│ │ ├── CS229_Before_RL.docx
│ │ └── CS229_Notes.docx
│ └── pdf
│ ├── CS229_Before_RL.pdf
│ └── CS229_Notes.pdf
├── exercise
│ ├── ex_extra
│ │ ├── ex3_apply it!
│ │ │ ├── displayData.m
│ │ │ ├── give_prediction.m
│ │ │ ├── handwritting_numbers.mat
│ │ │ ├── predictOneVsAll.m
│ │ │ ├── sigmoid.m
│ │ │ └── trained_para400.mat
│ │ ├── ex1_ReadMe.txt
│ │ ├── ex2_ReadMe.txt
│ │ ├── ex3_ReadMe.txt
│ │ ├── ex4_ReadMe.txt
│ │ ├── ex5_ReadMe.txt
│ │ ├── ex6_ReadMe.txt
│ │ ├── ex7_ReadMe.txt
│ │ └── ex8_ReadMe.txt
│ ├── machine-learning-ex1
│ │ ├── ex1
│ │ │ ├── computeCost.m
│ │ │ ├── computeCostMulti.m
│ │ │ ├── ex1data1.txt
│ │ │ ├── ex1data2.txt
│ │ │ ├── ex1.m
│ │ │ ├── ex1_multi.m
│ │ │ ├── featureNormalize.m
│ │ │ ├── gradientDescent.m
│ │ │ ├── gradientDescentMulti.m
│ │ │ ├── normalEqn.m
│ │ │ ├── plotData.m
│ │ │ ├── submit.m
│ │ │ ├── token.mat
│ │ │ └── warmUpExercise.m
│ │ └── ex1.pdf
│ ├── machine-learning-ex2
│ │ ├── ex2
│ │ │ ├── costFunction.m
│ │ │ ├── costFunctionReg.m
│ │ │ ├── ex2data1.txt
│ │ │ ├── ex2data2.txt
│ │ │ ├── ex2.m
│ │ │ ├── ex2_reg.m
│ │ │ ├── mapFeature.m
│ │ │ ├── plotData.m
│ │ │ ├── plotDecisionBoundary.m
│ │ │ ├── predict.m
│ │ │ ├── sigmoid.m
│ │ │ ├── submit.m
│ │ │ └── token.mat
│ │ └── ex2.pdf
│ ├── machine-learning-ex3
│ │ ├── ex3
│ │ │ ├── displayData.m
│ │ │ ├── ex3data1.mat
│ │ │ ├── ex3.m
│ │ │ ├── ex3_nn.m
│ │ │ ├── ex3weights.mat
│ │ │ ├── fmincg.m
│ │ │ ├── lrCostFunction.m
│ │ │ ├── oneVsAll.m
│ │ │ ├── predict.m
│ │ │ ├── predictOneVsAll.m
│ │ │ ├── sigmoid.m
│ │ │ ├── submit.m
│ │ │ └── token.mat
│ │ └── ex3.pdf
│ ├── machine-learning-ex4
│ │ ├── ex4
│ │ │ ├── checkNNGradients.m
│ │ │ ├── computeNumericalGradient.m
│ │ │ ├── debugInitializeWeights.m
│ │ │ ├── displayData.m
│ │ │ ├── ex4data1.mat
│ │ │ ├── ex4.m
│ │ │ ├── ex4weights.mat
│ │ │ ├── fmincg.m
│ │ │ ├── nnCostFunction.m
│ │ │ ├── octave-workspace
│ │ │ ├── predict.m
│ │ │ ├── randInitializeWeights.m
│ │ │ ├── sigmoidGradient.m
│ │ │ ├── sigmoid.m
│ │ │ ├── submit.m
│ │ │ └── token.mat
│ │ └── ex4.pdf
│ ├── machine-learning-ex5
│ │ ├── ex5
│ │ │ ├── ex5data1.mat
│ │ │ ├── ex5.m
│ │ │ ├── featureNormalize.m
│ │ │ ├── fmincg.m
│ │ │ ├── learningCurve.m
│ │ │ ├── linearRegCostFunction.m
│ │ │ ├── plotFit.m
│ │ │ ├── polyFeatures.m
│ │ │ ├── submit.m
│ │ │ ├── token.mat
│ │ │ ├── trainLinearReg.m
│ │ │ └── validationCurve.m
│ │ └── ex5.pdf
│ ├── machine-learning-ex6
│ │ ├── ex6
│ │ │ ├── dataset3Params.m
│ │ │ ├── emailFeatures.m
│ │ │ ├── emailSample1.txt
│ │ │ ├── emailSample2.txt
│ │ │ ├── ex6data1.mat
│ │ │ ├── ex6data2.mat
│ │ │ ├── ex6data3.mat
│ │ │ ├── ex6.m
│ │ │ ├── ex6_spam.m
│ │ │ ├── gaussianKernel.m
│ │ │ ├── getVocabList.m
│ │ │ ├── linearKernel.m
│ │ │ ├── myEmail.txt
│ │ │ ├── mySpam.txt
│ │ │ ├── plotData.m
│ │ │ ├── porterStemmer.m
│ │ │ ├── processEmail.m
│ │ │ ├── readFile.m
│ │ │ ├── spamSample1.txt
│ │ │ ├── spamSample2.txt
│ │ │ ├── spamTest.mat
│ │ │ ├── spamTrain.mat
│ │ │ ├── submit.m
│ │ │ ├── svmPredict.m
│ │ │ ├── svmTrain.m
│ │ │ ├── token.mat
│ │ │ ├── visualizeBoundaryLinear.m
│ │ │ ├── visualizeBoundary.m
│ │ │ └── vocab.txt
│ │ └── ex6.pdf
│ ├── machine-learning-ex7
│ │ ├── ex7
│ │ │ ├── bird_small.mat
│ │ │ ├── bird_small.png
│ │ │ ├── computeCentroids.m
│ │ │ ├── displayData.m
│ │ │ ├── drawLine.m
│ │ │ ├── ex7data1.mat
│ │ │ ├── ex7data2.mat
│ │ │ ├── ex7faces.mat
│ │ │ ├── ex7.m
│ │ │ ├── ex7_pca.m
│ │ │ ├── featureNormalize.m
│ │ │ ├── findClosestCentroids.m
│ │ │ ├── kMeansInitCentroids.m
│ │ │ ├── octave-workspace
│ │ │ ├── pca.m
│ │ │ ├── plotDataPoints.m
│ │ │ ├── plotProgresskMeans.m
│ │ │ ├── projectData.m
│ │ │ ├── rahul1.jpg
│ │ │ ├── recoverData.m
│ │ │ ├── runkMeans.m
│ │ │ ├── submit.m
│ │ │ └── token.mat
│ │ └── ex7.pdf
│ └── machine-learning-ex8
│ ├── ex8
│ │ ├── checkCostFunction.m
│ │ ├── cofiCostFunc.m
│ │ ├── computeNumericalGradient.m
│ │ ├── estimateGaussian.m
│ │ ├── ex8_cofi.m
│ │ ├── ex8data1.mat
│ │ ├── ex8data2.mat
│ │ ├── ex8.m
│ │ ├── ex8_movieParams.mat
│ │ ├── ex8_movies.mat
│ │ ├── fmincg.m
│ │ ├── loadMovieList.m
│ │ ├── movie_ids.txt
│ │ ├── multivariateGaussian.m
│ │ ├── normalizeRatings.m
│ │ ├── selectThreshold.m
│ │ ├── submit.m
│ │ └── visualizeFit.m
│ └── ex8.pdf
├── license
│ ├── CODE_OF_CONDUCT.md
│ ├── LICENSE
│ └── PULL_REQUEST_TEMPLATE.md
└── README.mdPS: The whole project is done! Slightly rearrange some part and the repository.