第一課：
監督學習：
比如一組癌症資料，拿到資料的時候我就知道它是正常的基因還是癌症基因，然後分類的時候我能正確的，我能將乙個資料對映到其中，並且根據其在哪個分類中作出判斷此基因是正常的or癌症的---
無監督學習：
無監督學習主要的過程還是聚類。但是我們能夠將資料聚成幾類，但是卻無法知道這一類是什麼，那一類又是什麼，將兩個混合的聲音分開是乙個很常見的用處。
這個**對matlab只需要一行**，如果運用到r上面那麼多了許多任務作！！r還是未興起啊
加強學習：
這就像雜戲團訓練小熊一樣，對的時候叫：good bear，並對其獎勵食物；做錯的時候說：bad bear，並對其懲罰。那麼久而久之熊會嘗試著做good bear。
2013-08-18 觀後感
第二課：監督學習，梯度下降
梯度下降法（gradient descent）
[1]，就是利用負梯度方向來決定每次迭代的新的搜尋方向，使得每次迭代能使待優化的目標函式逐步減小。梯度下降法是2範數下的最速下降法。
最速下降法的一種簡單形式是：x(k+1)=x(k)-a*g(k),其中a稱為學習速率，可以是較小的常數。 g（k）是f(x)在x(k)的梯度。 直觀的說，就是在乙個有中心的等值線中，從初始值開始，每次沿著垂直等值線方向移動乙個小的距離，最終收斂在f(x)的極值處。
形象的說明為：尋找最快的下山路徑
由於訓練的資料集可能是巨大的，所以可以使用隨機梯度下降法
2013-08-19 觀後感
史丹福大學機器學習公開課
寒假玩了大半了，把各種遊戲給解除安裝了，正兒八經的學習啦。一直想把這個公開課看完，上學的時候吧不想看，放假了也不想看，胡亂寫寫，作為乙個渣渣，把不明白給記下來。這個公開課的第一課，主要是介紹了機器學習概念應用什麼的，好像主要是概念吧，之前看的記不太清了。第二課 監督學習應用 梯度下降 可以看這個鏈結...
史丹福大學公開課IOS 7學習筆記 （1）
osx kernel unix os power management,mach 3.0 keychain access 基於bsd unix os certificates.sockets,file system,security bonjour collections,core location...
史丹福大學公開課IOS 7 學習筆記（2）
import import import foundation inte ce card nsobject 預設object c會自動建立getter與setter property nsstring contents property bool chosen property bool match...