绪论
Machine learning
-
Supervised Learning 监督学习
数据集中的每一个样本都有相应的“正确答案”,再根据这些样本作出预测。
Regression回归模型 预测连续值的属性
Claassification分类问题 预测一个离散值的输出 -
Unsupervised Learning 无监督学习
交给算法大量的数据,并让算法从中找出某种结构。
Clustering algorithm 聚类 仅数据,并不知分类
单变量线性回归
Linear regression with one variable
-
Cost function 代价函数
平方误差代价函数
Parameters
Cost function
Goal -
Gradient descent 梯度下降
Learning rate:过小,下降慢;过大,可能发散
“:=”表示赋值;“=”真假判定
Simultaneous update 同步更新
Learning rate fixed:接近局部最小值时,导数趋向于零,幅度自动减小。
“Batch” Gradient Descent 批量梯度下降
“Batch”: Each step of gradient descent uses all the training examples.每一步梯度下降都遍历了整个训练集的样本。