༄༊星河༣

本书分为两部分，第一部分奠定了数学基础，第二部分将第一部分的概念应用于一组基本的机器学习问题，这些问题构成了机器学习的四大支柱，如图1.1所示：回归、维度归纳、密度估计和分类。（至少）有三种不同的方式来看待向量（数据）：向量是一个数字数组（计算机科学观点），向量是一支有方向和大小的箭头（物理学观点），以及向量是一种服从加法和定标的物体（数学观点）模型通常用于描述生成数据的过程，类似于手头的数据集。本书的第一部分介绍了谈论机器学习系统的三个主要组成部分所需的数学概念和基础：数据、模型和学习。

cost function regularized linear regression regularized logistic regression advanced optimization

Logistic regression algorithm Algorithmic detail Hypothetical statement decision boundary The decision boundary is a property of the hopythesis and of the parameters. The traning set is may be used to fit the parameters θ. cost function simplified

下载octave 解压后双击octave.vbs进行安装 配置 pkg rebuild pkg list 使用基础命令 使用矩阵命令 移动数据 size：矩阵的行和列 length：行和列的最大值 读取和存储数据 load：加载文件 who：所有变量 whos：更详细的变量信息 clear：删除变量 save hello.mat v：会压缩 save hello.txt v -ASCII：可读 操作数据 运算数据 a*b :矩阵相乘 a.*b：每个元素相乘 a.^2：对元素进

线性回归算法(batch梯度下降算法)