1.黃海廣教授的完整筆記在pdf的p123~p129
2.正則化線性回歸的目標，就是取到j(θ
\theta
θ)的最小值
3.正則化代價函式的梯度下降演算法：
上面的θ
\theta
θj的更新也可以寫成這樣子：
θj的係數往往是個接近於1但是小於1的數（α
\alpha
α很小但是m很大），所以每次θ
\theta
θj的更新都相當於先把自己壓縮一點，然後正常更新
4、對於x來說，上標表明該元素屬於第幾個案例，下標表示該元素屬於第幾個特徵
5、normal equation法求正則化代價函式梯度下降演算法的全域性最小值：
這一節是完全用電腦來記筆記的，感覺還是沒有前幾節用筆來記筆記那樣印象深刻一點…嗚嗚嗚。
吳恩達老師課程機器學習筆記
無監督學習 線性回歸 代價函式j 主要演算法 1.監督學習 supervised learning 2.無監督學習 unsupervised learning 其他演算法 1.強化學習 reinforcement learning 2.推薦演算法 recommender systems right ...
吳恩達老師課程總結
吳恩達老師課程總結1 深度學習概論 目錄 1.1神經網路的概念 1.2用神經網路進行監督學習 1.3深度學習的興起 1.1神經網路的概念 隨著ai日益博取眼球，方興未艾，神經網路再度火熱，談及神經網路，首先我們要解決乙個問題，什麼是神經網路？在我看來，神經網路是一種強大的學習演算法，這種演算法受到人...
吳恩達老師機器學習課程chapter07 聚類
本文是非計算機專業新手的自學筆記，高手勿噴。本文僅作速查備忘之用，對應吳恩達 andrewng 老師的機器學期課程第十三章。缺少重要推演，只能作為入門了解。目錄這是一種無監督學習，即是說樣本不含有標籤 y 只有x。k均值法的思路如下 如果想將已有的樣本分為兩類，首先，在空間中任意生成兩個點，作為聚類...