2兩種基本的ml型別
unsupervised learning非監督學習
3cost function代價函式這個翻譯的不形象
重點是，監督學習中，給定了學習資料的答案，要求學習後能給出按照要求的答案型別（有多少，是否是…）。通過資料和答案學習。在andrew ng 的例子中，主要是從點陣中，得出自變數和因變數的（函式）關係。
監督學習分兩類：
regression learning–回歸：
classification learning–分類：
已知部分房子的面積及房價。**出給定的已知其面積的房子的房價。－回歸
已知部分腫瘤的大小及其性狀（良性、惡性）。**出新的已給定大小的腫瘤的性狀（是否是惡性腫瘤）。－分類
非監督學習並未給出資料的相關答案。它重點是讓機器自動分類。
從商場獲得的顧客資料將顧客分類。
分析dna晶元的資料，將基因分類 。
學習各大網頁，將新聞分類。
在最簡單的supervised learning中，我們有乙個變數，要得出乙個結果。建立的函式是一元一次的。hθ
(x(i
))=θ
0+θ1
x 簡寫為： h(
x(i)
)=θ0
+θ1x
我們不知道在θ0
和θ1 取何值時，函式最接近給定的資料。於是用代價函式： j(
θ0,θ
1)=1
2m∑i
=1m(
h(x(
i)）−
y(i)
)2來確定函式是否是最佳的猜測函式（hypothesis function）。在θ0
,θ1 取某一值時，這個方差最小（我不明白為什麼要除2，說是便於梯度計算什麼的）。那麼這時，所求的函式就是
minθ1,
θ212
m∑i=
1m(h
(x(i
)）−y
(i))
2 cost function 是用於確定某函式的最好的引數的。這有利於ml的學習過程。
部落格第一天
前幾天和本科的乙個小學弟交流，談到現在網際網路發展的乙個趨勢，都知道最近人工智慧特別火。加了乙個群，群裡面也見識到了很多牛人。人工智慧，機器學習 深度學習每天都回想在我們的耳畔。前天聯想ai實驗室團隊來學校，也是想招人工智慧方面的實習生，不過崗位都是在北京。感覺聯想在人工智慧產業方面還處於乙個剛起步...
2012暑假培訓第一天
今天8.10 哦，突然想起來現在已經是11號了。以後給自己乙個目標，每天發布下一天學的東西。總結下收穫，還有不足。首先，早上去聽了下前端的課 主要是複習了一下html標籤 這是今天上課講的標籤的資料 還有框架frameset標籤的使用，原來用這個標籤這麼神奇，就可以完成一些ajax的效果，以前看到的...
技術部落格 第一天
很久沒有靜下心來寫一些東西了，在部落格混也有一段時間了，發現這裡可真是個好地方啊，上邊有很多技術大牛的無私分享 就像是百家講壇 潔淨無暇 對知識絕對的尊重。在這裡呢，你是學習也好 查閱資料也好 解決問題也好 都非常的方便。早就想擁有自己的一片小天地了 自己維護 自己更新 在不斷自我積累的同時 也有可...