這里是斯坦福大學機器學習網絡課程的學習筆記。課程地址是：https://class.coursera.org/ml-2012-002/lecture/index
該課程全部資料地址：https://pan.baidu.com/s/1VUA6hC0ouPCTnhaz8E3LPA （2018.8.28更新）
第一周、
課程內容：機器學習介紹、監督學習和無監督學習介紹、一維的線性回歸問題介紹；
編程題：無；
第二周、
課程內容：多維線性回歸問題 & octave介紹；
題目：計算線性回歸問題的成本函數，下降梯度， 正規方程組，特征歸一化；
第三周、
課程內容：分類問題的logistic回歸方法（包括正則化）；
題目：sigmoid函數、logistic回歸方法；
第四周、
課程內容：分類問題的神經網絡方法介紹；
題目：多分類問題基於logistic回歸方法和神經網絡方法的實現；
第五周：
課程內容：分類問題的神經網絡算法（正向傳播、負向傳播）；
題目：神經網絡算法實現、check梯度法；
第六周：
課程內容：分析和改進機器學習模型的方法；
題目：學習曲線、驗證曲線、特征擴充；
第七周：
課程內容：支持向量機（SVM)及核方法；
題目：gaussian核函數、作弊郵件分類問題；
第八周：
課程內容：無監督學習：聚類問題，降維問題
題目：聚類問題的尋找中心點，降維問題的映射樣本和還原樣本；
第九周：
課程內容：異常發現，推薦系統；
題目：異常發現的協同矩陣及選擇閾值 & 推薦系統成本函數和梯度；
第十周：
課程內容：
題目：無