机器学习01_吴恩达版学习笔记

1.什么是机器学习

    较陈旧的定义：在没有明确设置的情况下，使计算机具有学习能力的研究领域

    较新的定义：计算机程序从经验E中学习，解决某一任务T进行某一性能度量P,通过P测定在T上的表现因经验E而提高

监督学习	我们教计算机做某件事情
无监督学习	我们让计算机自己学习
强化学习	Others
推荐系统

2.监督学习

定义：利用一组已知类别的样本调整分类器的参数，使其达到所要求性能的过程。

      流程：

            

  （1）分类算法（预测离散值输出）

  （2）回归算法（预测连续值输出）

 

           

 3.无监督学

定义：是一种学习机制，你给算法大量的相同标记或无标记的数据，要求它找出数据中的类型结  构。

  典型： 聚类算法

4.代价函数（cost function）（平方误差函数）

 平方误差函数是解决回归问题最常用的手段。

      关于θ0和θ1对于函数J（θ0，θ1）求最小值（m为训练样本数量）

      

1. 简化假设函数hθ(x) = θ1x
2. 设θ1为z，带入hθ(x) = θ1x，画出斜率直线
3. 求代价函数J（z）的值，并绘制于J（z）的坐标系
4. 当θ1取z（i）时，得到代价函数最小值J（z（i））min