摘要：
课时十二 支持向量机 支持向量机是当今比较强大的，并且比较受欢迎的监督学习算法。这部分知识在学习课程时我只是理解了代价函数的形式，他的代价函数是从逻辑回归代价函数中改变而来的。还有就是边界的含义，但是我不太理解这个边界具体用来做什么，我理解的是这个边界就是假设函数，支持向量机就是尽最大能力把正样本和 阅读全文
2020年7月28日
2020年7月26日
摘要：
课程十一 机器学习系统的设计 本节课时老师讲了机器学习系统的设计。本节课时我并没有看视频，主要看的是笔记，我认为这节课主要就是讲了当我们利用机器学习解决一个问题，设计一个机器学习系统时，在什么时候要做什么，遇到问题怎样解决更加快捷。相当于为我们做了一些指南，避免以后在应用时踩一些坑吧。 一般我们在构 阅读全文
摘要：
课程十 应用机器学习的建议 本课时主要讲了在应用机器学习时的一些建议，比如选择什么样的模型，如何解决训练时出现的方差，偏差问题等等。 1、评估假设 评估假设的目的是利用一些算法来评估假设函数，来避免过拟合和欠拟合的问题。前面的课程中我们了解过拟合和欠拟合，所以，当我们训练时，并不是训练误差越小越好， 阅读全文
2020年7月25日
摘要：
课时九 神经网络的学习 这一课时主要是对神经网络进行学习，包括代价函数，反向传播算法等知识点。 1、代价函数 和其他机器学习算法一样，神经网络在预测时也会有误差，所以自然也有代价函数，代价函数形式： 这个代价函数形式比较复杂，和逻辑回归的代价函数形式差不多，但是二者的正则项不一样，神经网络的正则项是 阅读全文
2020年7月22日
摘要：
课时八 神经网络：表述 本章是神经网络的入门介绍，神经网络适用于非线性问题，特别是当特征数量很多时。本课时主要介绍了一些固定术语。 1、模型表示 神经网络模型建立在很多神经元之上，每个神经元又是一个学习模型，这些神经元（也叫激活单元）采纳一些特征作为输入，并且根据本身的模型提供一个输出。下图是一个以 阅读全文
2020年7月20日
摘要：
课时七 正则化 1、过拟合 过拟合问题是指我们利用某个机器学习算法在一个训练集上训练出的模型，在该训练集上效果很好，但是到其他数据集上测试，效果并不好，这就是过拟合。 上图中第一张图是欠拟合，不能很好地适应训练集，第三张图是过拟合，过于强调拟合原始数据，预测新数据会表现很差，中间的模型最为合适。 解 阅读全文
2020年7月18日
摘要：
课时六 逻辑回归 今天学习的是解决分类问题的算法，逻辑回归算法。逻辑回归算法的输出值总是在0-1之间。下面介绍逻辑回归算法的细节。 1、假设函数和判定边界 逻辑回归算法的假设函数要满足一个条件就是输出值在0-1之间，因此，机器学习领域专家引入了一个新的模型，该模型的输出变量范围总是在0-1之间。假设 阅读全文
2020年7月17日
摘要：
课时五 Octave教程 本节课时所讲的内容是octave语言的基础知识，octave语言可以用来实现机器学习算法，计算数学公式，绘制图像等等。课程主要内容包括一些基本操作，如何把数据加载到Octave中以及如何保存Octave中定义的变量数据，还有一些计算的公式方法，如何绘图，控制语句，向量化这些 阅读全文
2020年7月16日
摘要：
课时四 多变量线性回归模型 本课时老师讲了多变量线性回归模型，该模型和单变量线性回归模型大致一样，区别就在特征的数量，除了讲解了该模型，还讲了在使用梯度下降算法时可用的几个技巧。下面是课程的主要内容。 1、多维特征 多维特征是指多变量线性回归模型中的多个变量。增添多个特征之后，符号表示就和单变量线性 阅读全文
2020年7月15日
摘要：
课时三 线性代数知识回顾 这一课时主要是回顾线性代数的基础知识，我这刚考完研，对这部分知识还是了解的，所以本课时笔记跳过。 阅读全文
