在第二周的课程里,主要讲了多变量线性回归以及相应的梯度下降实践,一些梯度下降的技巧如学习速率的选择,Feature Scaling - 特征缩放等,最后介绍了Polynomial Regression - 多项式回归和Normal Equation - 正规方程。
/pic0.png)
n*m*lg(b)
在第二周的课程里,主要讲了多变量线性回归以及相应的梯度下降实践,一些梯度下降的技巧如学习速率的选择,Feature Scaling - 特征缩放等,最后介绍了Polynomial Regression - 多项式回归和Normal Equation - 正规方程。
第一周的课程里主要是简单介绍deeplearning - 深度学习,Neural NetWork - 神经网络的概念。
以下是一些关于此课程笔记的事项:
在第一周的课程里简要介绍了什么是机器学习,Model - 模型和Cost Function - 代价函数的概念,以及一些必要的线性代数的知识。
特别声明:这里不会对线性代数基础进行记录,有需要了解的请自行学习。
特别声明:笔记在一些对类似什么是机器学习,机器学习的应用这些字面意义上的概念只会一笔带过,需要了解的自行谷歌或百度,笔记之着重于机器学习本身的内容,算法,推导,在一些理论细节上可能会做详细深入。
1 |
from bs4 import BeautifulSoup |
Content (md partial supported)
Content (md partial supported)
Content (md partial supported)
Content (md partial supported)
Content (md partial supported)
Content (md partial supported)
Content (md partial supported)
未完待续…有空继续…
$$n\cdot m\cdot \lg b$$