機器學習
q: 為什麼linearregression 的結果和基於梯度下降的結果差異很大？
a: 本次實驗的資料集過小，可能造成這樣的誤差，如果需要在大資料集上驗證，可以在kaggle上尋找更大的資料集，例如boston房價資料集，imdb影評資料集。
q: 實驗我們是需要做課上布置的，還是也能做犀牛學院的？
a: 實驗由各位同學自行選擇，在日後的課程中，大家可以選擇對應實驗完成，兩個平台均可
q: 本教學周的學習內容是什麼？我想進行相應的預習
a: svm和bayes分類器（今後會在更新中發布教學周的內容，供大家預習準備）
q: 如果訓練函式是y=
θ0+θ
1x1+
θ2x2
，對資料進行歸一化的時候，要把y也歸一化嗎？
a: 事實上，歸一化只是讓梯度下降更為平滑，改變的是損失函式之前的θi
xi部分，不需要調整真實值yr
eal
q: 實驗報告中**可以截圖嗎？
a: 可以
q: 實驗二中 沒有05到15年的資料啊 只到了07年的了 後面年份的資料 該怎麼弄出來呢
a: 這是本身資料集的問題，只需分好測試集和訓練集就行了。
機器學習課程 筆記
在alphago血虐人類 和 最強大腦小度精彩表現的刺激下，後知後覺的對人工智慧產生了濃厚的興趣。看了一些相關的介紹和 感覺還是要從基礎學起。出於對大名鼎鼎的andrew老師的膜拜，開始學習他講的機器學習課程。根據自己的理解和老師的講義整理一些筆記，方便自己鞏固和學習。文中會有很多不準確或不通順的理...
Google機器學習課程 機器學習術語
監督式 機器學習定義 機器學習系統通過學習如何組合輸入資訊來對從未見過的資料做出有用的 標籤是我們要 的事物，即簡單線性回歸中的 y 變數。特徵是輸入變數，即簡單線性回歸中的 x 變數。樣本是指資料的特定例項 x 模型定義了特徵與標籤之間的關係。訓練是指建立或學習模型。也就是說，向模型展示有標籤樣本...
機器學習課程學習階段總結
邏輯回歸是一種分類演算法，和之前的線性回歸不是同一類問題，但是對於處理問題上有相同的思想。對於線性回歸問題，有較容易理解的思路。首先指定乙個形式確定的 h x tx 然後根據所有樣本計算代價函式，距離的平方取平均再乘個係數 j 1 2m m i 1 h x i y i 2 簡單的理解就是根據假設函式...