学习总结

吴恩达机器学习总结：

1.   有监督学习和无监督学习

1.1        有监督学习（回归，分类）：做预测和判断

回归：根据线性走势做预测，判断新的输入值的结果值    

        

分类：根据数据区域块区分类型，判断新的输入值的结果类型

1.2        无监督学习（聚类）:说白了就是将一堆数据根据特征分类，比如说声音信号分离

2.   有监督学习基本案例引入

H(x) = θ_0 + θ_1*x

2.1模型可以自由选择（没有仔细说明在的模拟怎么选合适）

3.   假设函数和代价函数

4.   代价函数的求θ两种解法

4.1        多维梯度下降法

缺点：可能会取到局部最优解

优点：即使维度很大也能正常运行

4.2        正规方程（向量的方法）

缺点：当维度很大的时候，计算会很慢（n>10000），复杂算法也用不了。

优点：一步到位，不需要求α值

5.   工具的使用 R，pytnon ,C++ ,java ，octave。

5.1        基本指令

X=[1 2 3;2 2 4]

t=[0,0.001,0.98]

y1=sin(2*pi*4*t)

plot(t,y1)

 

 

存在的疑问：

特征缩小？对应的y值不变是否合适