吴恩达２０２２机器学习课后习题(1.单变量线性回归)

 我将课后编程作业与习题放在我的GitHub上了,需要的可以自取:

GitHub - chicx1229/fluffy-computing-machine: 吴恩达２０２２机器学习课后编程作业与习题

心得体会：

在我的机器学习作业中，我学习了关于多元线性回归和梯度下降的实践知识。在第一单元中，我了解到了测试集中的问题，对照训练集的可能性进行了回答，并考虑到矢量化的优点。在第一个问题中，测试集的答案是30。当涉及到梯度下降的实践时，我学习了关于特征缩放的步骤，以及如何选择学习率。特征缩放可以使梯度下降更快收敛，同时，学会如何使用特征工程来提高模型性能。

特征工程是调整数据和特征以提高模型性能的过程。在预测杂货店收入的情景下，我考虑了选择什么样的特征工程可能会有帮助。通过计算每种产品的售出数量与价格的乘积，我可以创建一个有用的特征，帮助模型更好地理解杂货店的销售情况。此外，我还学习了多项式回归不一定需要是直线函数，这扩展了我对模型拟合形式的认识。

总的来说，我的作业内容涉及到了多元线性回归、特征缩放、梯度下降等机器学习的基本概念和实践技巧。这些知识对构建和优化机器学习模型至关重要。通过深入学习和实践，我将能够更好地理解和应用这些技术，提高模型性能并解决更复杂的机器学习问题。继续努力学习和练习，我将在机器学习领域取得更多的进展并取得成功。祝我在机器学习的学习和实践中取得更大的成就！