吴恩达机器学习打卡day8

本系列文档按课程视频的章节（P+第几集）进行分类，记录了学习时的一些知识点，方便自己复习。

课程视频P73

** 将旧的特征$x_1$,$x_2$,$x_3$,$x_4$…通过核函数变成新的特征$f_1$,$f_2$,$f_3$,$f_4$…**

图1  

课程视频P74——SVM参数特点

** 符合正态分布的函数图像特点。**

图2  

课程视频P75——K-means算法

**随机初始化。
**

图3  

课程视频P81——数据压缩

通过降维的方式来压缩数据，不仅可以节约内存空间，还可以加快运行速度。

图4  

对于数据集的可视化，假设数据集本身有n的feature，我们想要可视化这个数据集，则需要进行降维处理，将其降成k维，其中k≤n，一般情况下，我们k取2或者3，因为二维和三维的可视化图形比较直观。当然我们在进行降维处理的时候可能会失去一些特征，这时候可能需要保留那些比较能反映出数据特点的特征。

图5  

未完待续…