吴恩达机器学习系列课程笔记

---

前言

个人笔记,如有错误,请指正.

---

一、什么是机器学习?

机器学习分为监督学习和无监督学习两种.

1. 监督学习

定义:已经给出一部分正确的数据,让机器根据这些答案进行学习,然后做一些其他数值的判断.

监督学习的两种问题:回归问题和分类问题.
回归问题:输出的结果是一个连续的值.(估算房价)
分类问题:输出的结果是一个离散的值.(判断问题)

2.无监督学习

定义:只给出一些数据(不告知数据是什么,也不告知数据是什么类型,甚至不告知数据有哪些类型),让机器自己学习,自动找这些数据的结构.

聚类算法:将数据分簇.

3.例子

垃圾邮件过滤问题(监督学习的分类问题)
将给出的新闻,相同的事件放到一起(无监督学习的聚类算法)

二、代价函数

1.代价函数的数学定义

2.代价函数进一步理解(1)

2.代价函数进一步理解(2)

二、梯度下降法

1. 用于求代价函数的最小值.
2. 可以最小化任意函数.

1.用梯度下降法最小化代价函数的思路:

2.梯度下降算法背后的数学原理

3.梯度下降知识点总结

---

总结

提示：未完待续 , 严重耗时啊 !