yzz19920820的博客

第二部分的内容主要讲的是有监督学习（supervised learning）的任务之一：回归-regression，本篇主要介绍了如何通过梯度下降法（gradient descent）得到目标函数，并使用正则化（regularization）的方法解决训练数据过拟合（overfitting）的问题，对目标函数进行修正，从而在检验测试数据时得到更好的结果。

好了，今天开始了李宏毅先生机器学习课程的自学，千里之行始于足下，P1介绍篇章是一个介绍性的概括章节，主要讲清楚了这门学科的几个基本问题。 总结起来这一节主要说了两个问题，when & what，如下图1所示是机器学习发展的大致脉络，就我看来主要有两个时间点，第一个是19世纪80年代，此时AI界开始使用机器学习的方法来实现人工智能的目标（个人理解是放弃了handcrafted的规则推导，使用的是以概率论为基础的机器学习），第二个是2010年左右开始的深入，提出了深度学习的概念，是在基础的机器学习模