定义:程序从经验E中学习,为了解决某个任务T,得到一个性能度量P;通过P测定T的表现会因为E的经验而提高
最常用的机器学习算法:
1.监督学习:每个样本都被标明
回归问题:预测连续值输出
分类问题:预测离散值输出
2.无监督学习:根据未知的数据匹配相应的类型结构和算法
聚类算法
多元梯度下降
特征缩放:让各个特征都处在相近的范围,让梯度的下降速度变得更快,收敛所需的迭代次数更少。
梯度下降算法
梯度下降的每一步迭代后,代价函数都将会是最小值。
当学习率a设得太大的话,梯度下降算法有可能冲过最小值,导致代价函数J(θ)的值越来越大。