xxayt的博客

文章目录第四章 多变量线性回归4.1 多变量 Multiple features4.2 多元梯度下降法4.3 特征和多项式回归4.4 正规方程 第四章 多变量线性回归 4.1 多变量 Multiple features 标记 Notation： nnn：特征数量（变量数量） mmm ：样本数量 x(i)x^{(i)}x(i) ：索引样本（一个 nnn 维变量） xj(i)x^{(i)}_jxj(i)​：第 iii 个样本的第 jjj 个特征量的值 函数变化：hθ(x)=θ0+θ1x1+θ2x2

文章目录第三章 线性代数回顾3.1-3.43.5 矩阵乘法特征 Matrix multiplication properties3.6 逆和转置 Inverse and transpose 第三章 线性代数回顾 详细知识可看：第二章 矩阵代数（线性代数） 3.1-3.4 矩阵和向量 Matrices and vectors 加法和标量乘法 向量乘法 矩阵乘法 快速将多个函数应用到多个变量中 3.5 矩阵乘法特征 Matrix multiplication properties

文章目录第二章 单变量线性回归2.1 模型描述 Model representation2.2 代价函数 Cost function2.3 梯度下降 Gradient Descent2.4 线性回归中的梯度下降法 Gradient descent for linear regression 第二章 单变量线性回归 2.1 模型描述 Model representation 房价模型：已知样本数据集（训练集）中的房子对应的面积和价格，学习任何预测房价（输出一个假设函数 hypothesis）。 监督学习

文章目录第一章 绪论：初识机器学习1.1 欢迎1.2 什么是ML What is machine learning?1.3 监督学习 Supervised learning1.4 无监督学习 Unsupervised learning 第一章 绪论：初识机器学习 1.1 欢迎 Machine Learning： AI 的分支 计算机的新功能 Examples： 海量数据集的数据挖掘，例如： Web click data medical records biology engineering