姐姐也要學習機器學習啦，好多人都推薦了吳恩達的機器學習課程，所以我也打算試試看。
**：
立乙個flag~從今天開始，每天學習史丹福大學的公開課《機器學習課程》by andrew ng，自己推導公式，並做總結。
希望大家跟我一起學習、討論~
總結的太多我也會不想看，已經知道的知識也不想總結，那樣以後複習的時候也不太想看。。。所以姐姐總結的標準就是：
1.能把乙個深奧的理論講的生動形象的
2.會把大部分人搞得暈頭轉向的公式推導
3.十分重要的/新穎的思想
那麼，let's go！
第一天（為什麼這麼寫的時候會不由自主的想要唱起來，第一天我存在……=。=）——機器學習的動機與運用
監督學習(supervised learning)：
給演算法提供了一組標準答案，希望演算法去學習標準輸入和標準答案之間的聯絡，以嘗試當我們給另一組輸入時，演算法可以提供我們更為標準的答案。回歸問題與分類問題都屬於監督學習。
無監督學習(unsupervised learning
)：給你一組資料，並不會告訴你哪些是標準答案，而是讓你從這組資料中發現一些有趣的結構。
這裡老師舉了乙個例子：輸入一張影象，使用聚類演算法對影象劃分不同的區域（這一步用到的是無監督學習），再利用聚類演算法得到的結果來還原場景的3d模型（要用到監督學習）（這是他學生的研究方向，目前已經實現，想想就好厲害，只需要一張影象就可以還原出三維場景）下面這張圖就是對乙個場景影象利用聚類演算法得到的結果，可以看出場景被劃分出了好多區域。
強化學習(reinforcement learning
):舉的例子是乙個使用強化學習演算法的***控制器，每次***摔下來的時候，就告訴它：bad helicopter，每次***飛行正確的時候，就告訴它：good helicopter，漸漸地，它就學會如何控制自己來獲取更多的good helicopter。
強化學習的關鍵是找到一種方式來定義你想要的，如何定義哪些行為是good helicopter，哪些是bad helicopter，之後就需要乙個學習型演算法，來獲取更多的good helicopter，更少的bad helicopter。
Andrew Ng 機器學習筆記（三）
欠擬合與過擬合的概念 如果我們以乙個房價的訓練集來做出乙個線性的 如果我們做乙個一次函式，那房價的 線條應該是乙個向上攀公升的直線 如果做乙個二次函式，可能有些部分會陡一點有些部分會平緩一點，像是右邊那樣 引數學習演算法 引數學習演算法是一類有固定數目的引數來進行資料擬合的辦法。非引數學習演算法 它...
Andrew Ng 機器學習
1.機器學習讓機器獲得學習的能力，而不需要明確的程式設計。samuel 寫了乙個跳棋遊戲程式，但是跳棋的規則並沒有寫到 中。相反，該程式通過自己和自己下跳棋，在這個過程中記錄什麼樣的局面會有什麼樣的結果。隨著局數的增加，該程式真的成了乙個高水平跳棋程式，打敗了samuel本人。對於任務t和衡量p，如...
Andrew NG 機器學習課程筆記（一）
機器學習的動機與應用 題記 之前看過andrew ng 的機器學習課程，但沒有系統的整理與歸納，現在感覺有些東西遺忘了，於是準備每天花一些時間重溫一下同時爭取每天整理一節課的筆記，由於很多內容是自己理解或者在網上尋找各種資料得出的結論，難免有不足之處，還望讀者指正。今天是母親節，祝天下的媽媽們節日快...