这里是斯坦福大学机器学习网络课程的学习笔记。课程地址是：https://class.coursera.org/ml-2012-002/lecture/index
该课程全部资料地址：https://pan.baidu.com/s/1VUA6hC0ouPCTnhaz8E3LPA （2018.8.28更新）
第一周、
课程内容：机器学习介绍、监督学习和无监督学习介绍、一维的线性回归问题介绍；
编程题：无；
第二周、
课程内容：多维线性回归问题 & octave介绍；
题目：计算线性回归问题的成本函数，下降梯度， 正规方程组，特征归一化；
第三周、
课程内容：分类问题的logistic回归方法（包括正则化）；
题目：sigmoid函数、logistic回归方法；
第四周、
课程内容：分类问题的神经网络方法介绍；
题目：多分类问题基于logistic回归方法和神经网络方法的实现；
第五周：
课程内容：分类问题的神经网络算法（正向传播、负向传播）；
题目：神经网络算法实现、check梯度法；
第六周：
课程内容：分析和改进机器学习模型的方法；
题目：学习曲线、验证曲线、特征扩充；
第七周：
课程内容：支持向量机（SVM)及核方法；
题目：gaussian核函数、作弊邮件分类问题；
第八周：
课程内容：无监督学习：聚类问题，降维问题
题目：聚类问题的寻找中心点，降维问题的映射样本和还原样本；
第九周：
课程内容：异常发现，推荐系统；
题目：异常发现的协同矩阵及选择阈值 & 推荐系统成本函数和梯度；
第十周：
课程内容：
题目：无