машинное обучение

обновления:

• 22.02 выложил слайды на тему первой лекции в lecture1_slides

полезные материалы:

http://wiki.scipy.org/NumPy_for_Matlab_Users

описано как пользоваться numpy

большинство функций Matlab соответствуют Python, но находятся в модуле numpy, т.е. вместо mean(X) пишем np.mean(X)

http://scikit-learn.org/stable/install.html

установка нужных либ

http://www.youtube.com/playlist?list=PLJOzdkh8T5kp99tGTEFjH_b9zqEQiiBtC

курс лекций ШАД Яндекса, очень крутой.

К первой лабе подходят лекции:

• 6. Методы восстановления регрессии
• 1. Вводная лекция

PS рекомендуется смотреть на скорости 1.25

https://www.coursera.org/course/ml

Курс очень поверхностный, из него взяты лабораторные работы.

Вместо Octave используется scipy, так что все *.m файлы превращаются в один *.py

как запускать тесты:

python -m unittest -v test_sanity

места, которые надо сделать помечены 'YOUR CODE HERE'

часть 1

пропускаем 1.1 Submitting Solutions

пропускаем 2.4 Visualizing J(θ)

зато делаем Extra Credit Exercises (optional)

под пунктом 3.3 Normal Equations имеется ввиду использование псевдообратной матрицы вместо градиентного спуска

команды numpy

np.ravel приводит матрицу или вектор к одномерному горизонтальному массиву

X[:, i] берет столбец с индексом i