SL_Rain的博客

主要内容：线性回归（linear regression）、梯度下降（gradient descent）、正规方程组（normal equations）例：神经网络（梯度下降）控制汽车运行：监督学习；回归问题（原因：汽车尝试预测表示行驶方向的连续变量的值）例：房价预测（房屋大小、房价 ，47组数据）m: 训练样本数； x: 输入； y:输出线性预测：hθ(

机器学习算法是一类从数据中自动分析获得规律，并利用规律对未知数据进行预测的算法。根据从例子中学习的方法分类，机器学习算法可分为：监督式学习、非监督式学习、半监督学习、强化学习1、监督式学习：对具有概念标记（分类）的训练样本进行学习，以尽可能对训练样本集外的数据进行标记（分类）预测。这里，所有的标记（分类）是已知的。因此，训练样本的岐义性低。（线性回归、逻辑回归、决策树、随机森林

学习型算法：应用：计算机读手写字符、内容推荐（书，电影）前提知识：计算机科学基本原理、大O、数据结构（队列、链表、栈、二叉树）、编程能力（Matlab / Octave）、概率统计（随机变量）、线性代数（矩阵、向量）Octave：MATLAB的免费版，功能没有matlab多大O符号：用于描述函数渐进行为的数学符号，用另一个（通常更简单的）函数来描述一个函数数量级的渐近上界（最初

（1）神经元：接收输入，处理它，并产生输出，而这个输出又被发送到其他神经元用于进一步处理（2）权重（weights）：当输入进入神经元时，它会乘以一个权重（3）偏差（bias）：应用于输入的线性分量，被加到权重与输入相乘的结果中，目的是改变权重与输入乘积结果的范围（4）激活函数：将输入信号转换为输出信号（多个输入参数时，乘积的加和再加上偏差是输入信号）常用的激活函数：Sigmo