Gitbook 地址： 戳我
本书为斯坦福吴恩达教授的在 coursera 上的机器学习公开课的知识笔记，涵盖了大部分课上涉及到的知识点和内容，因为篇幅有限，部分公式的推导没有记录在案，但推荐大家还是在草稿本上演算一遍，加深印象，知其然还要知其所以然。
本书涉及到的程序代码均放在了我个人的 github 上，采用了 python 实现，大部分代码都是相关学习算法的完整实现和测试。我没有放这门课程的 homework 代码，原因是 homework 布置的编程作业是填空式的作业，而完整实现一个算法虽然历经更多坎坷，但更有助于检验自己对算法理解和掌握程度。
本书的章节安排与课程对应关系为：
| 斯坦福课程 | 本书章节 |
|---|---|
| Week 2 | 线性回归 |
| Week 3 | 逻辑回归 |
| Week 4-5 | 神经网络 |
| Week 6 | 算法分析与优化 |
| Week 7 | SVM（支持向量机） |
| Week 8 | K-Means、特征降维 |
| Week 9 | 异常检测、推荐系统 |
| Week 10 | 大规模机器学习 |
| Week 11 | 案例--光学字符识别 |
学生我才疏学浅，对机器学习也只是刚刚入门，文中难免不少纰漏甚至严重错误，希望大家指正，这是对我最大的帮助。本书最大的目的也在于交流学习，而不在 star 和传播。任重而道远，你我共勉。