最近看coursera的machine learning公開課，感想很多。最大的感受有二，一是我意識到了自己前期浪費了太多時間，以至於有些迷茫，現在明白了很多。二是machine learning確實神奇，andrew也是乙個非常棒的老師，ai更是乙個神奇的領域，越來越感興趣了。
話不多說，其實已經跟了3 weeks 的課程了，總體感覺不是很難，作業也不是很多，反而重新溫習了很多東西，比如calculus和linear algebra，越發感覺到了math和computer science之間的關係妙不可言。現在來寫寫前三周課的大體內容把。
首先，machine learning分兩種學習方式，一是supervised learning，二是unsupervised learning。supervised learning主要有regression和classification二種分析形式。regression主要是一些連續值的**，後者則是離散值的**。
regression：線性回歸最為普遍，線性回歸首先要做的是找到做cost function
classification： logistic regression（歷史原因把classification還是稱為regression），這裡使用的cost function和regression的是不一樣的，為了使**更加準確，一般都會使用
Machine Learning 梯度下降
對於lost function利用梯度下降的方法實現引數調整，梯度下降在每一次迭代的過程中需要全部樣本參與，而隨機梯度法或增量梯度法在迭代中利用樣本中的乙個樣本更新引數。梯度下降達到全域性最優 include include using namespace std define maxiter 22...
安裝Machine Learning環境
公升級python版本到3.5以上。詳情參考linux公升級python版本 步驟1中也包含了安裝pip 第一批ml環境 pip install tensorflow pip install keras pip install beautifulsoup4 pip install lxml pip ...
機器學習（Machine Learning）
最近開始接觸機器學習，簡稱ml。ml 可以這樣理解，從一堆資料中提煉出特徵值。首先，我們需要在計算機中儲存歷史的資料。接著，我們將這些 資料通過機器學習演算法進行處理，這個過程在機器學習中叫做 訓練 處理的結果可以被我們用來對新的資料進行 這個結果一般稱之為 模型 對新資料 的 過程在機器學習中叫做...