====== Laboratorium 10 - Klasteryzacja ======
Ćwiczenia bazujące na materiałach Andrew Ng.\\
Przed zajęciami przejrzyj wykłady XIII-XIV: [[https://class.coursera.org/ml/lecture/preview|Linear regression]] 

{{:pl:dydaktyka:ml:ex7.pdf|Instrukcja}} w języku angielskim.

Ćwiczenia do pobrania: {{:pl:dydaktyka:ml:kmeans-pca.zip|Klasteryzacja}}
===== Lista i opis plików =====
Pliki oznaczone znakiem wykrzyknika (:!:) należy wypełnić własnym kodem
  * //ex7.m// - Octave/Matlab script for the first exercise on K-means
  * //ex7_pca.m// - Octave/Matlab script for the second exercise on PCA
  * //ex7data1.mat// - Example Dataset for PCA
  * //ex7data2.mat// - Example Dataset for K-means
  * //ex7faces.mat// - Faces Dataset
  * //bird_small.png// - Example Image
  * //displayData.m// - Displays 2D data stored in a matrix
  * //drawLine.m// - Draws a line over an exsiting figure
  * //plotDataPoints.m// - Initialization for K-means centroids
  * //plotProgresskMeans.m// - Plots each step of K-means as it proceeds
  * //runkMeans.m// - Runs the K-means algorithm
  * :!: //pca.m// - Perform principal component analysis
  * :!: //projectData.m// - Projects a data set into a lower dimensional space
  * :!: //recoverData.m// - Recovers the original data from the projection
  * :!: //findClosestCentroids.m// - Find closest centroids (used in K-means)
  * :!: //computeCentroids.m// - Compute centroid means (used in K-means)
  * :!: //kMeansInitCentroids.m// - Initialization for K-means centroids

===== Uwagi =====
Sprawdzic skrypt check.m dla PCA