本文介绍了将吴恩达老师的机器学习课程作业从MATLAB（Octave）版本改为Python3.6版本的实践。作者参考了多位大牛的代码，并添加了中文注释，方便学习。作业使用原版数据，计算结果与Octave版本基本一致。文章详细介绍了作业内容，包括线性回归、逻辑回归、神经网络、支持向量机等，并提供了GitHub下载链接和微信获取方式，适合机器学习初学者参考。

💡 原版作业语言为MATLAB，现已更新为Python3.6版本。作者参考他人代码，并添加中文注释，方便理解和学习。

🔢 作业内容涵盖线性回归、逻辑回归、多类分类、神经网络、正则化线性回归、支持向量机、K-means聚类、主成分分析、异常检测和推荐系统等，与原版作业一致。

💻 作业推荐使用Jupyter notebook运行，Python作业使用原版数据，计算结果与Octave版本基本一致。

🔗 提供GitHub下载链接和微信获取方式，方便读者获取Python代码作业。

原创 机器学习初学者 2025-07-10 12:05 浙江

吴恩达老师的机器学习课程作业是MATLAB版本（Octave）的，现在有点过时了，我参考了几位大牛的代码，将作业改成了Python3.6版本，并做了中文注释。作业使用了原版数据，计算结果基本与Octave版本一致，推荐学习。

吴恩达老师的机器学习课程作业是MATLAB版本（Octave）的，现在有点过时了，我参考了几位大牛的代码，将作业改成了Python3.6版本，并做了中文注释，推荐使用Jupyter notebook。Python作业使用了原版数据，计算结果基本与Octave版本一致，不能在线提交作业，仅用于学习。

原版作业内容：

Programming Exercise 1: Linear Regression 

Programming Exercise 2: Logistic Regression

Programming Exercise 3:Multi-class Classification and Neural Networks 

Programming Exercise 4:Neural Networks Learning

Programming Exercise 5:Regularized Linear Regression and Bias v.s.

Variance 

Programming Exercise 6:Support Vector Machines 

Programming Exercise 7:K-means Clustering and Principal Component

Analysis 

Programming Exercise 8:Anomaly Detection and Recommender Systems

作业目录截图 ：

作业截图：

作业做了中文说明，并附加了主要公式，如：

---

可以直接在github：https://github.com/fengdu78/Coursera-ML-AndrewNg-Notes下载

或者回复“机器学习作业”可以下载Python代码作业。

阅读原文

跳转微信打开