weixin_61573157的博客

如下图的右上角，由于卧室的取值范围较小，尺寸范围较大，所以捏，在成本函数眼中，w2自然是要比较大一些（因为卧室的数量值很小），w1自然要小一些（因为尺寸的数值很大，如果w1还这么大，那这就太大了误差肯定巨大，成本函数必然不允许），所以，在这个模型中它的成本函数就是像右上角那玩意一样，特别细长，这会导致一个啥问题呢？显然，这和咱之前学的线性代数里的矩阵好像，多维向量类似的，其实就是一个道理而已，一直以来个人对于线性代数的理解一直都是基于一种系统的统一的格式对高维数据高维方程组的求解，利用矩阵。

上周我们借用多元线性回归的例子讲述了多维特征，向量化，特征缩放，梯度下降的运用，特征工程等例子。这周，跟着吴恩达大佬学习逻辑回归的相关操作以及了解了何为过拟合以及解决过拟合的方法。这玩意2-26学的，那时候还比较清楚比较了解，现在3-5几乎忘记了怎么解释了鸡鸡鸡~~~

机器学习即Machine learning，涉及很多学科，简单点来说，就是使用计算机通过“学习“大量的数据模拟实现人类的行为，也就是让计算机自己学习到一些所谓的”知识与技能“（例如什么是苹果？什么是香蕉？），而且能够通过一些算法组织其实现不断学习不断完善自身的性能与知识架构，换句话说，让计算机越来越”知识渊博“，也就是-----人工智能。