吴恩达ML课程笔记（第3周）

1.逻辑回归分类模型的代价函数：

2.简化后的写法为：

3.几个优化算法：

下面三个算法的优点是不用手动选择学习率，算法会在不同的迭代中自动选择学习率

4.解决过拟合的两个方法：

5.正则化的代价函数：

6.正则化的目标就是要减小各个$\theta$的值

7.正则化后的梯度下降：

8.用octave计算正则化逻辑回归的$\theta$

9.正则化的逻辑回归和线性回归的梯度下降公式是一样的，都是下面这个：

不同之处是h_$\theta$(x）函数。线性回归的h_$\theta$(x）为：

逻辑回归的h_$\theta$(x）是：

10.作业答案链接：github
参考链接：https://blog.csdn.net/LilyNothing/article/details/52275176
有一个注意点就是正则化时，theta(0)是不参与正则化的
评分截图：