YouTube课程地址

https://www.youtube.com/playlist?list=PLOXON7BTL9IW7Ggbc09jLqGmzkwPI4-3V
截止2021-5-3, 有112 个视频

1. 第11课 Gradient descent intuition， Linear regression with one variable

Gradient descent intuition 阶梯下降算法介绍：

a 表示 learning rate，学习下降的速度
右边的函数 derivative 导数项

导数在微积分中表示斜率：
当tan为正的时候，相减表示往左边靠近最小值；
当tan为负数的时候，相减表示增加，表示往右边靠近最小值；

步长选择问题：
5. 步长太小，则拟合比较慢。
6. 步长太大，有概率跨过最优解。

如果一开始就选择了最小值，那么如何确定往哪个方向走呢？
解法：如果已经在局部最优点，则θ1 不再变化。θ1 := θ1 - a * 0

如果θ1 变化比较大，则收敛比较快；越接近最优解，则步长越小。

2. 第12课 Gradient descent for Linear regression - Linear regression with one variable

Gradient descent algorithm 阶梯下降算法代入到Linear regression线性回归模型中

微积分推到过程如下：

同时更新两个参数θ0, θ1

根据初始值，得到局部最优解

通常线性回归问题，只有一个全局最优解

根据阶梯下降算法，推导能耗方程一

根据阶梯下降算法，推导能耗方程二

批量阶梯下降算法

3. 第13课 Matrices and vectors 矩阵和向量 - Linear regression with one variable

矩阵Matrices：由行和列构成的矩形数组。

矩阵的元素Matrix Elements 就是用行和列的下标定位的。比如 A-32 = 1437，表示第三行，第二列的数据。

向量表示 n 行 1 列的矩阵。通常矩阵、向量的起始值是以1表示第一个数据。跟编程语言默认0有点差异。一般矩阵用大写字母表示，比如 A, B, C, X; 向量用小写字母表示，比如 a, b, x, y.

4 第14课 Addition and scalar multiplication 矩阵加法和单个数相乘除 - Linear regression with one variable

矩阵的加减法，相同的行列项相加减。前提是：两个矩阵的行列数相等，否则没法运算。

矩阵乘以某个数，矩阵中所有的数都乘以某个数即可。除法可以等价于乘以除数分之一。

矩阵混合运算，跟四则运算一样，先乘除、后加减。

5 第15课 Matrix-vector multiplication - Linear regression with one variable

矩阵相乘，用第一个矩阵的每一行和另一个矩阵的每一列相乘的结果之和。注意第一个举证的列数必须和第二个矩阵的行数相等。比如矩阵行列数 x * y, 与矩阵行列数 y * z 相乘, 结果矩阵行列数为 x * z

矩阵运算具体解析：行列数变化如下

[m x n] * [n x 1] = [m x 1]

房价预测的结果，比如有1000个房子，可以转换为两个矩阵相乘的解法；用程序计算矩阵，只要一行代码即可解决。（先买个官子）

机器学习 Machine Learning- 吴恩达Andrew Ng 第11~15课总结相关推荐

机器学习(Machine Learning) - 吴恩达(Andrew Ng) 视频笔记
背景:写于20190408,大概一周前我已经看到了P47 8-4 - Model Representation II 视频链接:https://www.bilibili.com/video/av991 ...
【斯坦福公开课-机器学习】1.机器学习的动机和应用（吴恩达 Andrew Ng）
文章目录 0三个目标 0先修课程要求基本工具 1-网址 2-邮箱 3-本系列课程链接 1机器学习的定义 1-1非正式定义 1-2正式的定义 2监督学习(Supervised Learning) 2- ...
第06周：吴恩达 Andrew Ng 机器学习
10 应用机器学习的建议 10.1 决定下一步做什么依旧用房价预测的例子,假设我们使用已经正则化的线性回归的模型得到了参数,并将参数带入预测函数来预测一组新的房价,但是结果误差很大,那么为了解决问题 ...
第01周：吴恩达 Andrew Ng 机器学习
学习内容: 1 机器学习 1.1 机器学习定义 ①Arthur Samuel:在没有明确设置的情况下,使计算机具有学习能力的研究领域. e.g.跳棋游戏,使计算机与自己对弈上万次,使计算机学习到什么是 ...
第07周：吴恩达 Andrew Ng 机器学习
12 支持向量机(Support Vector Machines) 12.1 优化目标在监督学习中,许多学习算法的性能都非常类似,因此,重要的不是你该选择使用学习算法A还是学习算法B,而更重要的是, ...
第10周：吴恩达 Andrew Ng 机器学习
15 异常检测(Anomaly Detection) 这种算法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. 15.1 问题动机例:假想一个飞机引擎制造商,当他生产的飞机引 ...
第02周：吴恩达 Andrew Ng 机器学习
学习目标: 完成对机器学习逻辑回归部分完成习题整理理论与编程题笔记学习内容: 六.逻辑回归 6.1 分类问题Classification 二分类问题:通常结果有两种可能(0:negative c ...
第09周：吴恩达 Andrew Ng 机器学习
14 降维(Dimensionality Reduction) 第二种类型的无监督学习问题叫降维 14.1 目标Ⅰ:数据压缩使用降维的原因之一是数据压缩,数据压缩可以使数据占用较小的内存或硬盘空间, ...
第08周：吴恩达 Andrew Ng 机器学习
13 聚类聚类算法是学习的第一个无监督学习算法,它所用到的数据是不带标签的. 13.1 无监督学习什么是无监督学习? 在无监督学习中,所有的数据不带标签,而无监督学习要做的就是将这一系列无标签的数 ...
第04周：吴恩达 Andrew Ng 机器学习
学习内容: 8 神经网络 8.1 为什么用神经网络当只有两个特征时(x1.x2),使用sigmoid函数得到的结果还可以,因为可以把x1.x2的所有组合都包含到多项式中.但当很多问题含有很多特征,不 ...

机器学习 Machine Learning- 吴恩达Andrew Ng 第11~15课总结