JIBANCANYANG

有监督学习(Supervised Learning)：我们有一个数据集，如果我们的每一个单一的数据根据它的特征向量我们要去判断它的标签（算法的输出值），那么就是有监督学习。 有监督学习，分为两个大类： 1.回归分析(Regression Analysis)：回归分析，其数据集是给定一个函数它的一些坐标点，然后通过算法，来估计原函数的模型。然后你输入一个自变量它就会根据这个模型输出一个因变量

第二周：梯度下降详解特征缩放(Feature Scaling)和均值归一化(Mean normalization):就是对于每一个类型的数据做处理： x−u均max(x)−min(x) \frac{x - u_均}{ max(x) - min(x) } 除以他们的范围是特征缩放，目的是让Cost Function更为规则（在二维的情况下是一个正圆，三维是是一个正球…），越规正的图像越有一个固定的

概念：逻辑回归是典型的有监督学习(Supervised Learning)中的分类(Classifiction)，其输出只有两个离散的值(0/ 1)。逻辑函数(logistic function):11+e−x\frac{1} {1 + e^{-x}}逻辑回归的估计函数是：P(y=1|θ,X)P(y = 1 | \theta, X)即：在X特征，θ\theta向量下，事件发生的概率(odds)。这