机器学习入门02
随笔记
内容主要来源吴恩达的视频,开始学习
机器学习 源于人工智能AI
工业和基础科学
不可手动编程
数据挖掘,手写识别,自动化直升机,自然语言(NLP),计算机视觉
(强化学习,推荐系统)
机器学习
最常用的两者算法
监督学习,教计算机如何学习
非监督学习,让计算机自己学习
监督学习(supervised learning )
1、回归问题(预测房价)预测连续值输出
2、分类问题(肿瘤良恶性判断)预测离散值
支持向量机算法,处理很多特征
非监督学习(unsupervised learning )
1、聚类算法 (搜索引擎搜集新闻)url
2、鸡尾酒算法
Octave MATLAB
线性回归算法
m 训练样本的数量
x 输入变量,特征变量
y 输出变量,目标变量
i 索引
h hypothesis(假设)函数
线性回归模型
代价函数 cost function 解决线性回归问题常用手段
轮廓图
梯度下降(Gradient descent)算法,求解代价函数J 最小值
同步更新
随着临近 局部最小值,速率会不断下降
梯度下降,最小化,线性回归
初始化,决定局部最优解
线性回归梯度下降(第一个机器学习算法)
偏导数
看到 3-1,2,3 学过线性代数,就感觉很基础了
线性代数:矩阵,维数(2x3),表示矩阵的某个元素,大写字母
向量(vector)(n x 1)矩阵,n维,小写字母
向量乘法计算,简化编程
暂时先看这么多。。。