摘要：
# 1. 逻辑回归 下面是这位大佬的[Click](https://blog.csdn.net/weixin_44406200/article/details/104288916).逻辑回归是用于分类的算法,它是在线性回归的基础上添加了一层映射.  # 1. Review：梯度下降法 我们建立一个模型,需要为这个模型找到一组参数,这个参数可以最小化$Loss$.我们使用梯度下降法来找到这个参数.注意,下图的$ 阅读全文
摘要：
[CLICK](https://blog.csdn.net/qq_38689352/article/details/114776396),这个写得更好. # 1. Error的来源 error实际来源于`bias`和`variance`. 和这个[Click](https://github.com/Sakura-gh/ML-notes/blob/master/ML-notes-md/6_ 阅读全文
摘要：
先附上链接,看过吴恩达的感觉很多没必要复述了. [this](https://zhuanlan.zhihu.com/p/338627175) 和 [that](https://zhuanlan.zhihu.com/p/395471141) * `hyperparameter`:超参数,需要自己设定的 阅读全文
摘要：
# 十七、应用实例：图片文字识别(Application Example: Photo OCR) ## 17.1 问题描述和OCR 照片OCR实际是照片光学字符识别.图像文字识别应用所作的事是,从一张给定的图片中识别文字.这比从一份扫描文档中识别文字要复杂的多.  ## 16.1 大型数据集的学习 如果我们有一个低偏差的模型,增加数据集的规模可以帮助你获得更好的结果.但是,大部分大数据集学习都有一个计算问题. 以线性回归模型为例,假如我们有一亿样本,每一次梯度下降迭代,我们都 阅读全文
摘要：
# 十五、推荐系统(Recommender Systems) ## 15.1 问题形式化 我们从一个例子开始定义推荐系统的问题: 假使我们是一个电影供应商,我们有 5 部电影和 4 个用户,我们要求用户为电影打分.  ## 14.1 问题的动机 在接下来的小节里,我将大家介绍异常检测(Anomaly detection)问题.这是机器学习算法的一个常见应用.这种算法的一个有趣之处在于:它虽然主要用于非监督学习问题,但从某些角度看,它又类似于一些监督学习问题 阅读全文
摘要：
# 十三、降维(Dimensionality Reduction) ## 13.1 目标一:数据压缩 本节讨论第二类无监督学习问题,降维.有几个不同的的原因使你可能想要做降维,一是数据压缩.数据压缩不仅允许我们压缩数据,从而使用较少的计算机内存或磁盘空间,它也让我们加快我们的学习算法. 那么,什么是 阅读全文