吴恩达机器学习课程：完全用Python完成，可以的！(附代码)

“吴恩达的Coursera机器学习课程可以完全用Python完成！”

昨天，Reddit论坛的机器学习看板出现这样一条热帖。

可以说，吴恩达（Andrew Ng）的机器学习课程是很多人、尤其是中国学生进入机器学习世界的引路人，被认为是入门机器学习的最好课程。截至目前，有超过80000人在Coursera上完成了这门课的学习。

吴恩达Machine Learning课的评分

不过，这门课推荐使用Matlab/Octave来完成作业，对于不会Matlab/Octave，或者对Matlab/Octave不感兴趣的人来说，要完成作业获取证书可能难度加大。虽然吴恩达强烈推荐大家使用 Octave 来学习机器学习，并且用了完整的一个章节“Octave and Matlab Tutorial”来讲述 Octave 的基本操作。

那么，全部用Python完成是怎么回事？

Reddit用户rsdsdsr的帖子如下：

一句话总结：吴恩达的Coursera ML课程可以用Python完成，而且你不必是Python专家就可以做到。但你需要有很好的数学基础，这将是非常耗时的，而且用Python写作业不会得到证书。” 我最近在Coursera上完成了吴恩达的ML课程，但我没有使用推荐的Matlab/Octave，而是完全用Python来完成。你可以在这里查看我作业的Jupyter notebooks： https://github.com/seddonr/Ng_ML

我绝不是第一个这样做的人，但我认为应该发这个帖子，作为给那些正在考虑参加这门课程，但像我一样对学习Matlab/Octave不感兴趣的人的鼓励，也可以了解用Python学这门课的好处和缺点。 用Python完成这门课程非常耗时，因为这意味着我必须从头开始构建所有东西，而如果你用Matlab/Octave完成课程，则会得到大量预编写的代码。另一方面，这是一次很棒的学习经历，我学到了大量的Python技能。 你不必成为Python专家——在完成这门课程之前，我的Python经验仅限于“使用Python自动化枯燥的东西”，以及学过一些关于NumPy和Matplotlib基础知识的非常简短的教程。但是，你需要有良好的数学基础才能跟上课程——有很多矩阵代数和微积分。

另一个问题是，由于这门课程是为Matlab/Octave设计的，因此无法提交用Python完成的作业，所以你无法对你的作业进行评分或获得证书。证书对我来说并不重要，但如果对你很重要，那么Matlab/Octave可能是更好的选择。 总的来说，我觉得这门课程很有趣，也很享受，我觉得它很好地覆盖了ML的许多主题。 Andrew Ng能以一种愉快的语调把知识点讲得很清楚，他的课也很容易学。如果你决定尝试用Python完成这门课程，祝你好运，我希望这个帖子是令人鼓舞的！

Python作业代码

rsdsdsr公开了他的作业代码：

https://github.com/seddonr/Ng_ML

内容：

Ex1：线性回归

有一个变量和多个变量。

Ex2：逻辑回归

包括正则化。

Ex3： Multi-class 分类和神经网络

使用两种不同的方法识别手写数字：one-vs-all逻辑回归，以及前向传播预训练的神经网络。

Ex4：神经网络学习

构建和训练神经网络，包括反向传播，并将其用于手写数字识别。

Ex5：正则化线性回归和偏差与方差

包括学习曲线和多项式回归。

Ex6：支持向量机

6.1：在一些样本2D数据集上展示scikit-learn SVM，其中包含线性和高斯核函数。

6.2：使用自然语言处理和scikit-learn SVM构建电子邮件垃圾邮件分类器。

Ex7：K-means聚类和主成分分析

7.1：构建k-means聚类算法并将其用于图像压缩。

7.2：构建PCA算法并将其用于图像压缩和可视化。

Ex8：异常检测和推荐系统

8.1：使用多元高斯模型进行异常检测。 Precision, recall, F1 score. 8.2：构建推荐系统并用它来推荐电影。