Coursera机器学习-Week 2-测验:Linear Regression with Multiple Variables

其实做这些题挺烦的，因为吴恩达的这个视频配套的测验全英，还没有汉化参考，我英语差的也是没啥可说，一直无法通晓题意，总是再三出错，这不，折腾了三次才全部做对。

这个题每次重做数据和题面都会有所改变，但是思想是不变的，我就把我最后一次通过的题面里的三个我错误率比较高的题说说吧~~~

1

描述

解析

这个题考得是归一化特征方程，$ans = \frac{x_2^{(n)} - \mu}{s}$，其中 $\mu = \frac{x_2^{(1)} + x_2^{(2)} + x_2^{(3)} + x_2^{(4)}}{4}$，$s = max(x_2^{(n)}) - min(x_2^{(n)})$，在这里，询问的是 $x_2^{(4)}$ 的特征值，所以代入可得，$ans = \frac{4761 - \frac{7921+5184+8836+4761}{4}}{8836 - 4761} \approx -0.47$。

2

描述

解析

这个题的题面得好好读，当 $\alpha = 0.3$ 时，迭代 $15$ 次后迭代下降速度缓慢，那么 $\alpha = 0.3$ 自然不是合适的值，需要调大一些才好，刚好对应的是 $B$。

4

描述

解析

这个题需要根据 $m$ 和 $n$ 来进行正规方程和梯度下降之间选择，由于此时 $m = 1000000、n = 200000$ 数量极大，所以选择梯度下降比较好，正规方程解法的复杂度过于高了，$O(n^3)$。

3 && 5

第三题没啥难度，就是简单的矩阵和转置矩阵之间的矩阵乘法问题，至于第五题，这是我这辈子第一次见到的多选题只有一个正确答案的，这也是我为啥第五题屡屡出错，因为主观上以为会有两个及其以上的正确答案。