作为英语课程, 读中文参考资料的确有助于理解, 但是出于对以后更长久的学习优势考虑, 笔记中我会尽量采用英文来表述, 这样有助于熟悉专有名词以及常见语法结构, 对于无中文翻译的资料阅读大有裨益.
Week1
一, Introduction
二, Algorithm(算法):
1\. Supervised Learning(监督算法)
每个样本有一个正确答案
肿瘤分类
Unsupervised Learning
并不知道样本正确与否, 仅仅做一个分类
天文学星系聚集
Others: Reinforcement learning(强化学习).etc
三, Linear Regression with One Variable
单变量线性回归
Regression(回归): 根据历史数据推测未来数据
Training Set 训练集 m
训练集 m
输入变量 x
目标变量 y
训练集实例 (x,y)
参数 parameter
学习率, Learning Rate
h--hypothesis 学习算法得到的解决函数 (模型)
(x (i) ,y (i) ) 具体的事例
Cost Function 代价函数, 又称为误差平方 d 代价函数
线性回归函数: h (x)= +x
Cost Function: J(,)=
代价函数应当最小, 代价函数绘制了等高线图
Gradient Descent 梯度下降
一种方法, 找到 J() 的最小值
Gradient Descent Algorithm 梯度下降算法
对于不同的迭代务必需要同步更新
Linear Regression and Gradient Descent Algorithm
代入 5.2 中的公式可以得到的迭代公式如下
Called: 批量梯度下降
四, 线性代数回顾
如题, 对矩阵的转置, 取逆运算等进行了回顾
image
来源: http://www.jianshu.com/p/ad1b470e9928