机器学习笔记连载（一）（书+吴恩达机器学习视频）

关于白话深度学习与Tensorflow等书

对于新知识的学习，还是需要多看，有些基础知识如果学的不好，后边的发展会很困难，这也是我为什么今天专门去图书馆查阅一些书和资料，看了上面那本书 一些东西真的是醍醐灌顶，有时候实践和理论都要学习，缺一不可，都可以帮助你很好的理解这些东西。

关于聚类  回归 分类  的概念已经很清楚了，关于神经网络中的神经元  激励函数  神经网络的概念更加加深，就像当时学高数，对于泰勒公式的深入理解，其实这里用到泰勒的思想了，对于一个函数的拟合，用多个函数去拟合，更加贴近于想要的函数。

其实主要还是提取特征值去进行分析，至于这个分析的过程以及拟合函数的权重问题 框架给出了很好的实现形式，还有处理线性不可分的问题等等。

之前看的一些视频的总结 第一章主要分为监督学习和非监督学习

监督学习：主要是在训练材料里有正确的让计算机识别的标签  每个样本被标明

非无监督学习：主要是聚类为主  自己去学习一些数据的特征去分类这些数据  不给其争取的答案

一些例子比如新闻搜索的分类 就是聚类学习  基因组的学习       自动分类市场中的客户 进行精准营销 这个也属于聚类学习

鸡尾酒宴会 两个人两个麦克风  

两个人同时说话 然后让机器学习去分辨出两个人分别说了什么 并且去除其中一个人杂音只听取一个人的

预测房价  他讲的时候主要是用的线性模型，这个如果loss要将的很低的话  模型也会相当复杂

octave 编程会省很多时间

奥斯卡姆剃刀

之后将的激励函数    原来的线性函数是一条直线

学习的目的在一些场合中可以作为预测：连续的是回归  不连续的是分类

其实归类问题可以加深机器学习的深度去很好的拟合数据

已经很晚马上要回宿舍，明日再更~