coursera斯坦福机器学习公开课作业7（K-means聚类，PCA降维）

斯坦福ML公开课笔记中文版

本资源是斯坦福ML公开课笔记。主要内容包括混合高斯模型、混合贝叶斯模型、因子分析模型、主成分分析、奇异值分解、隐含语义索引和独立成分分析等内容。

斯坦福公开课：编程方法学的英文讲义，资料来源：http://web.stanford.edu/class/cs106a/。

Stanford ML Open Class Notes 13-15

斯坦福公开课算法1mergesort第一节

优化聚类结果的k-means算法应用，除了聚类算法的代码和代码案例：在这个例子中，我们生成了一个随机的二维数据集X，然后创建了一个KMeans对象，指定要聚类到3个簇中。我们使用fit方法来训练模型，

K-Means 算法作为一种迭代式的聚类方法，其目标是将数据集分割成 K 个不同的簇。算法的核心思想是通过最小化簇内样本距离和最大化簇间样本距离来找到最佳的 K 个簇中心点。算法流程初始化: 随

斯坦福ios7公开课纸牌源码(stanfordios7)

本资源可以在网易云课堂下载到本资源可以在网易云课堂下载到本资源可以在网易云课堂下载到我就是看不惯某些人用可以公开下载到的东西赚资源分。这里资源要1分是因为没有0分的选项。最火的机器学习入门课程，本资源

CS231N作业例程源码，斯坦福机器学习李飞飞课程课后作业