记录学习过程中的笔记

第一次训练一个模型时，几乎永远不会像想要的那样工作，因此需要实施一些诊断，比如查看算法的偏差和方差以及错误分析(error analysis)，然后根据诊断结果做出提高算法性能的决定，比如扩大神经网络、更改正则化参数 λ 、添加更多的训练数据、使用更多的特征或使用更少的特征。耳朵形状有“尖尖的(pointy)”，“耷拉的(floppy)”；【决策树的最大深度越大，构建的决策树越大，这有点像拟合更高阶的多项式或训练更大的神经网络，它让决策树学习更复杂的模型，会将非常复杂的函数拟合到训练集上，这会增加。

第二部分 Advanced Learning Algorithms文章目录第二部分 Advanced Learning Algorithms序言神经网络(Neural Networks Intuition)神经元和大脑(Neurons and the brain)需求预测(Demand Prediction)举例：图像感知(Recognizing Images)神经网络层(Neural network layer)更复杂的神经网络(More complex neural networks)神经网络前向传播

第一部分 Supervised Machine Learning: Regression and Classification文章目录第一部分 Supervised Machine Learning: Regression and Classification线性回归模型代价函数公式理解代价函数可视化代价函数可视化举例梯度下降梯度下降的实现理解梯度下降学习率α用于线性回归的梯度下降运行梯度下降多维特征矢量化(向量化)用于多元线性回归的梯度下降算法正规方程(Normal equation)特征缩放(Feat