無監督學習
線性回歸
代價函式j()
主要演算法：
1.監督學習（supervised learning)
2.無監督學習（unsupervised learning)
其他演算法：
1.強化學習(reinforcement learning)
2.推薦演算法（recommender systems）
「right answers「 given----> new right answers
**乙個連續值輸出
如：**
**乙個離散值輸出
給予相同標籤或者無標籤的資料集，找出資料集的型別結構
將資料集分簇
分離混合資料？
m:訓練樣本的數量
x:輸入變數/輸入特徵
y:輸出變數/目標變數
(x,y):表示乙個訓練樣本
(x(i),y(i)):表示第i個訓練樣本
h:假設函式（hypothesis）
單變數線性回歸
parameter：模型引數
最小化問題對於線性回歸問題最常用的代價函式
吳恩達老師課程總結
吳恩達老師課程總結1 深度學習概論 目錄 1.1神經網路的概念 1.2用神經網路進行監督學習 1.3深度學習的興起 1.1神經網路的概念 隨著ai日益博取眼球，方興未艾，神經網路再度火熱，談及神經網路，首先我們要解決乙個問題，什麼是神經網路？在我看來，神經網路是一種強大的學習演算法，這種演算法受到人...
吳恩達老師機器學習課程chapter07 聚類
本文是非計算機專業新手的自學筆記，高手勿噴。本文僅作速查備忘之用，對應吳恩達 andrewng 老師的機器學期課程第十三章。缺少重要推演，只能作為入門了解。目錄這是一種無監督學習，即是說樣本不含有標籤 y 只有x。k均值法的思路如下 如果想將已有的樣本分為兩類，首先，在空間中任意生成兩個點，作為聚類...
吳恩達老師機器學習筆記SVM（一）
時隔好久沒有再拾起機器學習了，今日抽空接著學 上圖為原始資料 這裡套用以前logistic回歸的模板改一下下。load ex6data1.mat theta rand 3,1 m,n size x x ones m,1 新增常量 x x x c 1 for i 1 10000 擬合次數 theta ...