今天把吴恩达简版的ML课程拿出来复习，看了黄海广整理版中文笔记的前两章（前两周），并把作业拿出来做，用Python来实践，参考了CSDN上Cowry5的博文：https://blog.csdn.net/Cowry5/article/details/80174130
遇到的问题与总结，在求代价函数时需要用到假设函数，讲义上写的是
hθ(x)=θTX
但实际程序中X是(n+1)*m的矩阵，n是特征值，m是实例个数
θ是行向量，y是列向量，为了正常与y相减，这块θ和X的乘积关系是X*θT，这个整体最后再和y求差，所以在实际程序中谁乘以谁的转置，不一定要死套公式，而是数据格式来构造x0θ0+x1θ1+…+xnθn的形式，构造过程中如果有点晕，就把X、y、θ是几乘几的矩阵分别列出来，看怎样转置并相乘
在执行梯度下降时，可以通过向量法直接一步完成所有θ的更新，所以表达式中不必出现np.sum
使用正规方程直接求出的θ是个列向量，而咱们自己定义并迭代出来的θ是行向量，所以如果要把正规方程求出的θ代入自定义的损失函数中去计算误差的话，需要先转置再传参
在后面使用sklearn模型直接去fit数据时，首次运行出现了程序报错现象，后来通过pip命令升级了pip、sklearn和scipy之后，程序恢复正常，但是对sklearn的库还不太了解，尽管它看上去很强大的样子。关于pip安装和升级，原版镜像不稳定网速慢动不动就超时失败了，所以可以通过固定的配置用清华镜像来代替
另外对Numpy、pandas、matplotlib.pyplot、sklearn等库不熟悉，它们的常用API还需要加强记忆和使用
今天算是基本完成了第一次练习作业，明天继续努力！