重庆大学机器学习课程学习资源

本仓库收录了我在学习重庆大学机器学习课程时所完成的笔记和实验等内容。其中笔记部分是基于我在 Coursera 上的学习（Machine Learning by Andrew Ng），实验部分是重庆大学2024年春机器学习的课程实验。

---

快速导航

• 重庆大学机器学习课程学习资源
  • 快速导航
  • 资料分布说明
    • 课程笔记
    • 课程实验

---

资料分布说明

课程笔记

• 本人选择吴恩达的经典课程Coursera: Machine Learning进行学习，所有笔记内容均按课程模块进行了分类，以系统地学习机器学习知识。
  1. Supervised Machine Learning：第一大节课程，监督学习，分为 Classfication 与 Regression 两类呈现。其中核心是 Class Notes 文件夹，是每节课的笔记，其余均为笔记呈现所需文件。（下同）
  2. Advanced Learning Algorithms：第二大节课程，高级学习算法，分为Decision Trees, Neural Network 与 Model Evaluation and Selection。
  3. Other Power Learnings：第三大节课程，其它类型的学习，分为Recommender System 与 Unsupervised Learning。

课程实验

每个实验文件夹下 Labx.ipynb 为核心文件，其余均为代码正常运行所需的必要文件，data 为实验所需的对应数据集。

• CQU Lab：2024年春季学期重庆大学机器学习实验
  1. Lab1：对数几率回归（Logistic Regression）算法的学习与应用。
  2. Lab2：决策树（Decision Trees）分类、回归算法的学习与应用。
  3. Lab3：BP神经网络（Backpropagation Neural Network）算法的学习与应用。
  4. Lab4：使用卷积神经网络（CNN）实现花卉图像识别。