第2课 Introduction
监督学习:根据已知数据集,推测出其他数据的值
回归问题:预测连续值的输出。
分类问题:预测离散值的输出
支持向量机算法
无监督学习
聚类算法:找出数据集中的结构,分成多个聚类
鸡尾酒会算法:两个不同位置的麦克风,分离出两个不同的音源
Octave
Cocktail party problem algorithm
[W,s,v] = svd((repmat(sum(x.*x,1),size(x,1),1).*x)*x');
svd:奇异值分解
第5课 Model and Cost Function
线性回归算法 单变量线性回归
第6课 Parameter Learning
(批量)梯度下降 (Batch)Gradient Descent
α:学习速率
第8课 Linear Algebra Review 线性代数复习
向量:只有一列的矩阵
矩阵乘法应用:
矩阵乘法:
不符合交换律:A*B!=B*A
符合结合律:(A*B)*C=A*(B*C)
逆矩阵A^(-1)A=AA^(-1)=I(单位矩阵)
只有m*m矩阵(方阵)才有逆矩阵
Octave求逆矩阵:A=[3 4: 2 16] pinv(A)
奇异矩阵(退化矩阵):没有逆矩阵的方阵,可以想成是非常接近于0的矩阵
转置矩阵
A={1 2 0} AT={1 3}
{3 5 9} {2 5}
{0 9}
B=AT Bij=Aji