斯坦福大学吴恩达2014机器学习教程笔记目录（更至第六章，在更）

    现在其实有很多关于机器学习的课程，但是最经典的还是吴恩达2014机器学习的课程。

    课程地址：https://www.coursera.org/course/ml

    这是我自己在学习过程中的笔记，争取每天都更新。

 

目录

        一、引言

                1.1欢迎

                1.2机器学习是什么？

                1.3监督学习

                1.4无监督学习

        二、单变量线性回归

                2.1模型描述

                2.2代价函数的数学定义

                2.3代价函数的直观理解Ⅰ

                2.4代价函数的直观理解Ⅱ

                2.5梯度下降

                2.6梯度下降的直观理解

                2.7梯度下降的线性回归

        三、线性代数知识回顾

                3.1矩阵和向量

                3.2加减法和标量乘法

                3.3矩阵向量乘法

                3.4矩阵乘法

                3.5矩阵乘法的性质

                3.6逆、转置

        四、多变量线性回归

                4.1多维特征

                4.2多变量梯度下降

                4.3梯度下降法实践Ⅰ：特征缩放

                4.4梯度下降法实践Ⅱ：学习率

                4.5特征和多项式回归

                4.6正规方程

                4.7正规方程及其不可逆性（选学）

        五、Octave教程

                5.1基本操作

                5.2移动数据

                5.3计算数据

                5.4数据绘制

                5.5控制语句:for,while,if语句 

                5.6矢量

        六、逻辑回归

                6.1分类回归

                6.2假设陈述

                6.3决策界限

                6.4代价函数

                6.5简化代价函数与梯度下降

                6.6高级优化

                6.7多元分类：一对多