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。。。