机器学习课程
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
- 用于求代价函数的最小值.
- 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 !