大多數時候，機器學習的問題都留有一些線索，告訴我們哪些方案值得嘗試，哪些不值得。閱讀這些線索，將會為你省下數個月甚至數年的時間。吳恩達給這本書起名——吳恩達
machine learning yearning（機器學習的渴望）。每寫完一章節，他就會給訂閱郵件組的讀者傳送初稿。
下面是吳恩達寫給這本書的讀者的一封信。
親愛的朋友：你是如何規劃乙個人工智慧專案的？
人工智慧、機器學習和深度學習正在改變各個行業。在剛開始搭建乙個機器學習系統時候，你需要考慮各種問題：
是否需要收集更多的訓練資料？
是否需要採用端對端的深度學習技術？
當訓練集（training set）和測試集（test set）不匹配的時候，該如何處理？
過去，要學會定下這些「策略」，往往需要多年的在高校或公司裡的學徒經驗。我之所以寫這本書，就是希望幫助你快速地獲取這些技能，幫助你成為更加優秀的人工智慧系統行家。
吳恩達（andrew ng）
第13章：pan.baidu.com/s/1c2iid12
梯度下降 from 吳恩達的機器學習
梯度下降 用來求函式最小值的演算法，使用梯度下降演算法來求出代價函式的最小值。梯度下降思想是 開始時我們隨機選擇乙個引數的組合 計算代價函式，然後我們尋找下乙個能讓代價函式值下降最多的引數組合。我們持續這麼做直到到到乙個區域性最小值 local minimum 因為我們並沒有嘗試完所有的引數組合，所...
吳恩達機器學習 代價函式的總結
在講代價函式之前我們說一下假設函式。假設函式是通過訓練得出模型，把模型表示成乙個函式，來對輸入變數 出輸出變數的。例如 對於乙個單變數線性回歸模型，假設函式是 0 1?除輸入變數和輸出變數之外的那兩個引數是可以任意改變的。我們做的是改變這些引數，讓我們模型的誤差更小。當然單變數線性回歸問題中，那兩個...
吳恩達機器學習筆記 11 應用機器學習的建議
本篇講述了在機器學習應用時，如何進行下一步的優化。如訓練樣本的切分驗證？基於交叉驗證的引數與特徵選擇？在訓練集與驗證集上的學習曲率變化？在高偏差或者高方差時如何進行下一步的優化，增加訓練樣本是否有效？樣本的切分 首先針對我們的樣本集，選擇其中的70 作為訓練集，訓練模型 選擇其中的30 作為測試集，...