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6课 Model Representation， Linear regression with one variable

例子：预测房价，根据房子大小预测要卖1250 feet^2 大小的房子，价格大概是220k。
因为是线性回归问题，可以用Supervised Learning 监督学习的方法得到模型公式。

参数解析：

x为入参房子的大小
y为预测结果，房子的价格
训练的结果为(x, y), 有很多对。

训练步骤为：

准备训练数据 Training Set
学习算法Learning Algorithm，这里为线性函数 h(x) = θ0 + θ1 * x
h 表示 hypothesis，表示map的意思，表示从x 推导出 y。

2. 第7课 Cost function - Linear regression with one variable

线性函数 h(x) = θ0 + θ1 * x, 如何选择（θ0， θ1）？

看看如下三个取值的，二维图表示

Cost function 计算值与实际值的差的平方之和，除以 2m就是能耗方程 J(θ0, θ1) 。

3. 第8课 Cost function intuition I - Linear regression with one variable

一元一次方程h(x) = θ0 + θ1 * x，为了简化说明，去掉了参数θ0，得到简化方程 h(x) = θ1 * x

h(1) -> J(1) = 0

h(0.5) -> J(0.5) = 0.68

h(0) -> J(0) = 2.3

能耗方程是为了计算最小值为最优解，也就是h(1) -> J(1) = 0

4. 第9课 Cost function intuition II - Linear regression with one variable

线性回归涉及到的方程和目标如下

线性回归，假设 f(x) = a * x 的能耗图如右侧所示

线性回归方程 h(x) = θ0 + θ1 * x ，能耗图为如下 3维弓形图

能耗的3维弓形图，每个横截面都是环形，同一个环的点能耗是相同的。

5 第10课 Gradient descent 阶梯式下降算法 - Linear regression with one variable

阶梯式下降算法的流程：

先初始化一个点；
逐步缩小能耗值 J(θ0 + θ1), 直到最小；
注意选取的初始值不同，得到的最小值也不一定相同，类似于贪心算法。（下面会有两个初始值的距离）

初始值1的结果：

初始值2的结果

同步更新算法才是正确的：Correct: Simultaneous update
alpha 表示learning rate，也就是学习的速率。速率决定是快速拟合，还是慢速拟合(找到最佳值)。

机器学习 Machine Learning- 吴恩达Andrew Ng 第6~10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6~10课总结