机器学习系列（吴恩达版）

机器学习笔记（0）

常见概念&一些术语（随学习进度更新，部分个人理解）

1. 监督学习（Supervised Learning）
          给定训练集后，通过算法让机器学习分类、标识等操作。
2. 无监督学习（Unsupervised Learning）
          根据没有被标记的训练样本，来自动完成分类等操作。
3. 支持向量机（Support Vector Machine, 简称SVM）
          是一类按监督学方式对数据进行二元分类的广义线性分类器（generalized linear classifier），其决策边界是对学习样本求解的最大边距超平面（maximum-margin hyperplane）
4. 鸡尾酒会问题（cocktail party problem）
          当前语音识别技术已经可以以较高精度识别一个人所讲的话，但是当说话的人数为两人或者多人时，语音识别率就会极大的降低，这一难题被称为鸡尾酒会问题。
5. 奇异值分解（Singular Value Decomposition，简称SVD）
          SVD是线性代数中一种重要的矩阵分解，奇异值分解则是特征分解在任意矩阵上的推广。
6. 单变量线性回归(Linear Regression with One Variable)
          只含有一个 特征/输入变量 的问题叫作单变量线性回归问题。
7. 代价函数（Cost Function ）
          就是误差函数，分析线性回归中几个具体参数所构成的“具体线性回归函数”的误差大小。代价函数的误差越小，参数所构成的回归函数拟合越好。
          代价函数也被称作平方误差函数，有时也被称为平方误差代价函数。
8. 梯度下降（Gradient Descent ）
          梯度下降是一个用来求函数最小值的算法，用来求出代价函数J(θ0,θ1) 的最小值。即让代价函数的值更快的向最小变化。