项目实训二

在阅读文献阶段，由于缺乏机器学习的基础知识，论文内容难以读懂，于是转向基础知识的学习。前两周，将以周志华的机器学习西瓜书为依托，对机器学习方面的相关知识进行学习，为更好的理解论文内容打基础。

这两周主要的学习内容：

• 监督学习、无监督学习
• 单变量线性回归
  • 模型表示
  • 代价函数
  • 梯度下降
  • 梯度下降的线性回归
• 多变量线性回归
  • 多维特征
  • 多变量梯度下降
  • 特征和多项式回归
  • 正规方程
• 逻辑回归
  • 分类问题
  • 判定边界
  • 代价函数
  • 简化的成本函数和梯度下降
  • 高级优化
  • 多类别分类：一对多
• 正则化
  • 过拟合的问题
  • 代价函数
  • 正则化线性回归
  • 正则化的逻辑回归模型
• 神经网络
  • 非线性假设
  • 神经元和大脑
  • 模型表示
  • 多类分类
  • 代价函数
  • 反向传播算法
  • 展开参数
  • 梯度检验
  • 随机初始化
• 机器学习的实战方法
  • 评估一个假设
  • 模型选择和交叉验证集
  • 诊断偏差和方差
  • 正则化和偏差/方差
  • 学习曲线
• 支持向量机
  • 优化目标
  • 大边界问题
  • 核函数
  • 使用支持向量机

以上就是在学习机器学习时所涉及到的内容。