机器学习 Machine Learning- 吴恩达Andrew Ng 第6~10课总结

YouTube课程地址

https://www.youtube.com/playlist?list=PLOXON7BTL9IW7Ggbc09jLqGmzkwPI4-3V
截止2021-5-3, 有112 个视频

1. 第6课 Model Representation， Linear regression with one variable

例子：预测房价，根据房子大小预测要卖1250 feet^2 大小的房子，价格大概是220k。
因为是线性回归问题，可以用Supervised Learning 监督学习的方法得到模型公式。

参数解析：

• x为入参房子的大小
• y为预测结果，房子的价格
• 训练的结果为(x, y), 有很多对。
  
  训练步骤为：

1. 准备训练数据 Training Set
2. 学习算法Learning Algorithm， 这里为线性函数 h(x) = θ0 + θ1 * x
3. h 表示 hypothesis， 表示map的意思，表示从x 推导出 y。
   

2. 第7课 Cost function - Linear regression with one variable

线性函数 h(x) = θ0 + θ1 * x, 如何选择（θ0， θ1）？

看看如下三个取值的，二维图表示

Cost function 计算值与实际值的差的平方之和， 除以 2m就是能耗方程 J(θ0, θ1) 。

3. 第8课 Cost function intuition I - Linear regression with one variable

一元一次方程h(x) = θ0 + θ1 * x，为了简化说明，去掉了参数θ0，得到简化方程 h(x) = θ1 * x

h(1) -> J(1) = 0

h(0.5) -> J(0.5) = 0.68

h(0) -> J(0) = 2.3

能耗方程是为了计算最小值为最优解，也就是h(1) -> J(1) = 0

4. 第9课 Cost function intuition II - Linear regression with one variable

线性回归涉及到的方程和目标如下

线性回归，假设 f(x) = a * x 的能耗图如右侧所示

线性回归方程 h(x) = θ0 + θ1 * x ， 能耗图为如下 3维弓形图

能耗的3维弓形图，每个横截面都是环形，同一个环的点能耗是相同的。

5 第10课 Gradient descent 阶梯式下降算法 - Linear regression with one variable

阶梯式下降算法的流程：

1. 先初始化一个点；
2. 逐步缩小能耗值 J(θ0 + θ1), 直到最小；
3. 注意选取的初始值不同，得到的最小值也不一定相同，类似于贪心算法。（下面会有两个初始值的距离）
   
   初始值1的结果：
   

初始值2的结果

同步更新算法才是正确的：Correct: Simultaneous update
alpha 表示learning rate，也就是学习的速率。速率决定是快速拟合，还是慢速拟合(找到最佳值)。