吴恩达人工智能学习笔记

建议使用的工具Octave
1、the example of supervised learning
housing price prediction (regression)
cancer (classification)
2、the example of unsupervised learning
google news
orginize computing cluster
social network analysis
market segmentation
Austronomical data analysis
cocktail party problem
3、linear regression
hyposis function
h(x)
cost function
差的平方和，其实就是两点距离的平方和
为了使cost function 最小，使用gradient descent方法
由于梯度下降法可以导致局部最优解，因此应该应用在convex function

吴恩达求取学习率的方法
3倍增长速度
0.001  0.003  0.01  0.03  0.1 0.3  1 。。。。

4、normal equation and gradient descent
for linear regression
if the number of feature <=10000 ， normal equation
else gradient descent
对于其它的算法，正规方程不适用
5 逻辑回归
https://blog.csdn.net/u010837794/article/details/70991434