吴恩达机器学习课程笔记

机器学习week1

介绍

深度学习分为监督性学习和非监督性学习。监督性学习分为回归问题（给了一堆不同平米房子的房价，然后预测一个新房子的房价）和分类问题（给了一堆良性肿瘤和恶性肿瘤的信息，再给一个肿瘤的信息，判断恶性还是良性）；非监督性学习基本是给了一堆数据然后实现一个聚类，实现一个分离。

线性回归模型

线性回归问题最好的cost function是平方差代价函数
使得平方差代价函数降到最小的算法是梯度下降算法。类似于站在山上，旋转360度，并问自己，想要下山，从哪个方向走呢？然后你按照自己的判断又迈出一步 往那个方向走了一步 然后重复上面的步骤 从这个新的点 你环顾四周 并决定从什么方向将会最快下山 然后又迈进了一小步 又是一小步 并依此类推 直到你接近这里 直到局部最低点的位置

这个是梯度下降的迭代函数

这个是在不同点时，斜率分为正负情况会进行增加或减少

当学习率a取偏大或偏小的情况

但是学习率不用取很小，接近最佳值的时候偏导数会自然变小

线性代数回顾