机器学习基石_课后练习答案链接

        这个专题我主要讲的是Coursera-台湾大学-機器學習基石(Machine Learning Foundations)的课后习题解答。笔者是在学习了Ng的Machine Learning之后开始学习这门课程的，但还是感觉收获颇丰。Ng的课程主要站在计算机专业的角度，教你如何使用机器学习，注重方法而不是数学推导，是一门很好的入门教程；而林轩田老师的机器学习基石是站在统计分析角度，证明机器学习算法为什么要这么做，更加注重于理论的证明，如果你想更加深入了解机器学习，或者想自己编写机器学习算法的，学习这门课还是很有必要的！

        首先声明，笔者在这里提供一些作业解答的目的不是为了让你得到更高的分数，而是对一些学习上有困难的同学提供一些帮助。笔者的目的是提供一种可行的思路，但是说实话，这里面很多题目笔者也没能够理解。在每次做完作业后都感觉有各种问题，但是在百度，google上又找不到相应解答，这是一位初学学者莫大的痛苦，所以开贴为读者带来一些个人的见解，所以如果各位博友发现任何错误或者有更好的思考方法，请留言联系，谢谢！再次提醒：请不要以此博客作为通过考试的用途，还是更好学习、理解课程的途径！

1.作业一

（1）作业一课后习题解答：http://blog.csdn.net/a1015553840/article/details/50986313

（2）作业一Q15-17 C++实现（PLA） http://blog.csdn.net/a1015553840/article/details/50979434

（2）作业一Q18-20 C++实现（Pocket PLA）http://blog.csdn.net/a1015553840/article/details/50979640

2.作业二

（1）作业二课后习题解答：http://blog.csdn.net/a1015553840/article/details/51043019

（2）作业二Q16-18 C++实现：http://blog.csdn.net/a1015553840/article/details/51023193

（3）作业二Q19-20 C++实现：http://blog.csdn.net/a1015553840/article/details/51029765

3.作业三

（1）作业三课后习题解答：http://blog.csdn.net/a1015553840/article/details/51103645

（2）作业三Q13-15 C++实现（Linear Regression）:http://blog.csdn.net/a1015553840/article/details/51085094

（3）作业三Q18-20 C++实现（Logistic Regression）:http://blog.csdn.net/a1015553840/article/details/51085835

4.作业四

（1）作业四课后习题解答：http://blog.csdn.net/a1015553840/article/details/51173679

（2）作业四Q13-15 MATLAB实现（Regularization+Validation）:

http://blog.csdn.net/a1015553840/article/details/51173020

机器学习基石手写笔记：http://download.csdn.net/detail/a1015553840/9569739 免下载券

关于adaboost的一些个人理解：http://blog.csdn.net/a1015553840/article/details/54882398