吴恩达机器学习知识点问答（仅题目）

答案可看黄海广学习笔记

第一周

1.批量梯度下降公式；
2.线性回归的梯度下降公式；

第二周

1.多变量线性回归梯度下降公式；
2.正规方程公式；

第三周 逻辑回归

1.Sigmoid 函数公式g(z)；
2.逻辑回归的预测公式；
3.逻辑回归的代价函数；
4.逻辑回归的梯度下降公式；
5.正则化（Regularization）公式；
6.线性回归的正则化代价函数公式以及梯度下降公式；
7.逻辑回归的正则化代价函数公式以及梯度下降公式；

第四周 神经网络

1.神经网络前向传播公式；

第五周 神经网络的学习

1.神经网络的代价函数；
2.神经网络反向传播算法；

第六周 应用机器学习的建议

1.交叉验证集的作用；
2.high bais 与high variance的情况；
3.Precision 与 Recall的定义；
4.查准率与查全率权衡公式：F1score；

第七周 支持向量机

1.支持向量机推导；

第八周 聚类

1.K-means算法实现与伪代码描述；
2.K-means初始化方法；
3.PCA降维算法；

第九周 推荐系统

1.协同过滤概念；

第十周 大规模机器学习

1.随机梯度下降概念Stochastic Gradient Descent；
2.mini-batch梯度下降概念；
3.OCR实现步骤。