我最近开始学习机器学习。 在我看来，他从安德鲁·伍（Andrew Ng）的美丽课程开始。 为了不忘记并重复他学到的东西，他决定在Octave存储库中创建机器学习 。 在其中，我收集了关于假设，梯度下降，“成本函数”，S形和其他“机器学习”必不可少的“部分”的数学公式。 我还为MatLab / Octave添加了一些流行算法（神经网络，线性/逻辑回归等）的实现的简化和改进示例。 我希望这些信息对计划开始学习机器学习的人有用。
机器学习的主题非常广泛，例如，可以从以下方案中进行判断，我从vas3k的一篇很棒的文章中摘录（翻译）了以下方案。
目前，在存储库中的所有这些多样性中，有五个监督和非监督算法的示例：
对于每种算法，都有一个demo.m文件，您可以从中开始分析单个算法。 当您从Octave控制台（或MatLab）运行此文件时，将显示服务信息，说明算法的操作，并且将创建图形来帮助您确定工作正在进行的训练集。
我希望该存储库对您有用，并将帮助您迈向机器学习的下一步。
存储库中的PS示例是为MatLab / Octave创建的。 这可能现在不像Python那样流行，但是仍然适合训练，快速原型设计以及没有附加插件和库的相同矩阵乘法可能是一个不错的选择。 再次为您成功编码！