qq_41355222的博客

1 分类(Classification)2 假设函数表示(Hypothesis Representation)3 决策边界(Decision Boundary)4 代价函数(Cost Function) 5 简化的成本函数和梯度下降(Simplified Cost Function and Gradient Descent)6 进阶优化(Advanced Optimization)function [jVal, gradient]

1 多特征(Multiple Features)对于一个要度量的对象，一般来说会有不同维度的多个特征。比如之前的房屋价格预测例子中，除了房屋的面积大小，可能还有房屋的年限、房屋的层数等等其他特征：2 多变量梯度下降(Gradient Descent for Multiple Variables)3 梯度下降实践1-特征值缩放(Gradient Descent in Practice I - Feature Scaling)4 梯度下降实践2-学习速率(Gradient Descent

1 模型表示(Model Representation)1.房价预测训练集Size in feet²**(x)**Price ($) in 1000’s(y)210446014162321534315852178……房价预测训练集中，同时给出了输入 和输出结果 ，即给出了人为标注的 ”正确结果“，且预测的量是连续的，属于监督学习中的回归问题。2.问题解决模型2 代价函数(Cost Function)3 代价函数 - 直观理解1