吴恩达机器学习视频笔记（持续更新）

1.机器学习学习定义：
A computer program is said to learn from experience E with respect to some task T and some performance mearsure P, if its performance on T,as measured by P, improves with experience E.

2.监督学习算法（Supervised Learning）定义
我们给算法一个数据集，其中包括了正确答案，算法的目的就是给出更多的正确答案
2.1 回归问题（Regression）:Predict continous valued output(预测连续值，在房产例子中指price)
举例：房价与房子的尺寸之间的关系，预测你的朋友的房子能卖多少钱
Notation：（定义符号）
m=Number of training examples(训练样本数量)
x’s="input"variable/features（输入变量、特征）
y’s="output"variable/"target"variable（输出变量）
（x,y）=one training example (一个训练样本)
（x⁽ⁱ⁾,y⁽ⁱ⁾）=i^th training example(第i个训练样本)

采用模型：一元线性回归模型
Hypothesis:h_θ(x)=θ₀+θ₁ x
idea: 求1/2mΣ_i=1^m(h_θ(x⁽ⁱ⁾)-y⁽ⁱ⁾)²最小值
定义一个代价函数：J（θ₀，θ₁）=1/2mΣ_i=1^m(h_θ(x⁽ⁱ⁾)-y⁽ⁱ⁾)²
可以把问题转化为：求J（θ₀，θ₁）的最小值（平方误差代价函数）

2.2 分类问题（Classification）:discrete valued output(0 or 1) (reality 1,2,3,4…)

3.无监督学习（Unsupervised Learning）
它是一种学习机制，你给算法大量数据，要求它找出数据的类型结构