摘要：
这次，教授给了一个算法——局部加权回归。在讲述之前，教授告诉了我们什么是欠拟合和过拟合，这也是为什么要局部加权回归的原因之一吧。局部加权回归在我的理解就是，给定x，在进行拟合的时候，我们更看重x周围的值，而离x太远的值，我们可以不重视甚至是无事，这样的话，局部拟合的效果会比较好一些。其实，算法与上集的相差不多，不过多加了一个参数来作为权值：权值的计算是：权值的变化总体来说就是，离x越近，权就越大，越远越小。到了这里，可以发现，当你现在有值要进行计算的时候，你必须重新拟合一次，因为局部加权回归是针对不同x值有不同的权值的，也就是说，不同的x值对应一个计算公式，那计算量可就大大的了。。。对了，上面 阅读全文
摘要：
必须说对我这种数学不好的人来说，看一集这样的课程需要死掉好多脑细胞。不管怎么说，看到不懂的地方，就去百度就去找书，在这里记下自己的疑惑和答案。当然我数学不好，因此有些术语可能不够严谨。第二集中，教授给出了一个监督性学习算法的公式——梯度下降。一切从一个式子开始，当你有了两个条件x1 , x2 ，想要获得h(x)，那么公式应该是这样的：更简洁的写法也就是：让机器学习，就是为了给电脑一堆数据，然后让电脑自己计算参数θ（当然，一开始的参数θ使我们给的，视频中教授给的参数θ都是0）使得最后，当我们给电脑某个x1 ,x2的时候，电脑能计算出一个值h(x)，这个y与现实中的答案尽可能相同。为此，教授给了以 阅读全文
摘要：
机器学习课程的视频来自网易公开课：http://v.163.com/special/opencourse/machinelearning.html第一集主要是课程介绍还有一些辅助的东西的讲述吧，印象较为深刻的就是MatLab被赞美了不少，看来这个软件后期需要加紧学习。其次，讲义在新浪微博 @研究者July 有，为英文PDF，建议看完之后多看讲义，讲义的公式有讲解而且较为清晰，授课老师写在黑板上难免比较男看清楚。 阅读全文