摘要：
1、什么是神经网络 简单来说，深度学习（Deep Learning）就是更复杂的神经网络（Neural Network） eg：从预测房价开始，自变量x：size of house，因变量y：price，根据这些输入输出来建立房价预测模型，来预测房价：y=f(x)。也许可以把这个房屋价格加一个拟合函 阅读全文
摘要：
决策1：如何选择在每个节点上分割什么特征？ 最大限度地提高纯度（或最小限度地减少不纯）。 决策2：什么时候停止拆分？ 当一个节点是一个单一类时 当拆分一个节点会导致树超过最大的深度 当纯度分数的改进低于一个阈值（获得的信息增益很小小于阈值） 当一个节点中的例子数量低于一个阈值 6.1 衡量纯度、熵e 阅读全文
摘要：
5.1 使用测试集评估模型性能 划分训练集和测试集，比例：8/2, 7/3 计算Jtest 、Jtrain 衡量模型在测试集合训练集上的、不包括正则化项 对于线性回归问题： 对于分类问题 Jtest(W,b)是测试集中被错误分类的部分。Jtrain(W,b)是训练集中被错误分类的部分。 5.2 模型 阅读全文
摘要：
4.1 认识神经网络 必要性 当特征值只有两个时，我们仍可以用之前学过的算法去解决 但当特征值很多，且含有很多个多次多项式时，用之前的算法就很难解决了例子 ：图像感知 Recogonition image计算机识别汽车是靠像素点的亮度值 神经网络做法： 4.2 如何在神经网络上推理 4.2.1 神经 阅读全文
摘要：
3.1 线性回归对于分类问题的局限性 由于离群点的存在，线性回归不适用于分类问题。如下图（阈值为0.5），由于最右离群点，再用线性回归与实际情况不拟合。引入 逻辑回归（logistic regression） 算法，来解决这个问题。 逻辑回归模型 3.2 决策边界 decision boundary 阅读全文
摘要：
单变量线性回归 2.1 单变量线性函数 假设函数 hθ(x) = θ0 + θ1x代价函数：平方误差函数或者平方误差代价函数 h(x(i))是预测值，也写做y帽，y(i)是实际值，两者取差分母的2是为了后续求偏导更好计算。 目标： 最小化代价函数，即minimize J(θ0, θ1) 得到的代价函 阅读全文
摘要：
1 机器学习定义 计算机程序从经验E中学习，解决某一任务T，进行某一性能P，通过P测定在T上的表现因经验E而提高 eg：跳棋程序E： 程序自身下的上万盘棋局T： 下跳棋P： 与新对手下跳棋时赢的概率 2 监督学习 supervised learning 2.1 监督学习定义 给算法一个数据集，其中包 阅读全文
摘要：
7.1 创建和使用类 class Dog（）： # 一次模拟小狗的简单尝试””" def_init_（self，name，age）： # "“初始化属性name，age""" self.name = name self.age = age def sit（self）： # ""模拟小狗收到命令时蹲下 阅读全文
摘要：
6.1 定义函数 def greet_user(): """显示简单的问候语""" print('Hello!') greet_user() # 调用函数 6.1.1 向函数传递信息 def greet_user(username): "“显示简单的问候语"” print(f"Hello,{user 阅读全文
摘要：
5.1 函数input()工作原理 # 变量=input(参数：说明/提示) message input("Tell me something,and I will repeat it back to you:" print(message) prompt ="If you tell us who 阅读全文