亲，您好~本课程的代码主要基于Python3的scikit-learn框架，我们自己实现的算法也将遵循scikit-learn的设计原则，让大家更进一步理解scikit-learn的封装方式。应用方面，我们主要使用sklearn中的数据集作为应用场景，涵盖手写识别，MNIST，iris，boston房价等经典数据集的实际使用。在算法的覆盖层面，也和吴恩达在Coursera上的Machine Learning不同。本课程不涵盖神经网络，但是包含kNN，决策树，随机森林和集成学习（普通的集成以及Stacking, Boosting等）。在具体讲解上，也有很多不一样的地方，比如PCA部分我们将摒弃PCA背后的数学解法，使用梯度上升法手写一个PCA，让同学们更深入理解PCA的原理；梯度下降法方面，我们也将比较批量梯度下降法和随机梯度下降法的不同；对与模型正则化，我们会比较Ridge和LASSO的不同，进而引申出弹性网络等等~相信一定会有不一样的收获：）祝您学习愉快~