期中考完又是乙個新的開始，這學期除了acm還想花一些時間在其他方面，本來想做一些nlp的專案的，但看了一點發現根本看不下去，好多需要有機器學習的基礎。
再加上我想往ai方向讀研。
所以到b站上找了吳恩達老師的公開課，打算每週花上幾個小時自學，順便補補數理基礎。
說來也慚愧，線代概統已經不記得多少了，ai又是對數學要求如此高的學科(看西瓜書就明白了)，所以也算是提前補一些知識(能學會多少就不好說了)。
自認為是自學能力比較差的那種，身邊有好多人不怎麼學課內的績點都很高，所以我要付出更多的時間和精力。
這個專欄會記錄一些我認為比較重要的知識點。(θ
)=12
m∑i=
1m(h
θ(x(
i))−
y(i)
)2
j(\theta)=\frac\sum_^ (h_(x^)-y^)^2
j(θ)=2
m1i
=1∑m
(hθ
(x(
i))−
y(i)
)2最小
機器學習第一課
過擬合就是，通過訓練集進行訓練的時候，模型學習了太多的背景雜訊，讓模型的複雜度高於了真實模型 比如看到齒距型的葉子，就覺得不是葉子 欠擬合是指，模型在訓練集上進行學習的時候，效果就不是很好，沒有充分學習到其中的資訊量，複雜度低於真實模型，得到的模型泛化能力差 比如看到綠色，就覺得是葉子 模型評估指標...
機器學習總結 第一課
首先有這麼一句話，資料和特徵決定了機器學習的上限，而演算法和模型只是逼近這個上限而已 嗯嗯，資料處理和特徵工程很重要，大概佔據70 的工作量，而模型選擇 模型調參 模型融合佔據30 的工作量。接下來看看資料分析的流程 資料的分布，比如分類問題中，正負樣本均衡很重要，即正樣本數 負樣本數接近1 1比較...
python學習第一課
1.單行注釋 2.或 多行注釋運算子的型別運算子的優先順序運算子tips 參考變數型別 算術運算子 print 1 1 2，加 print 2 1 1，減 print 3 4 12，乘 print 3 4 0.75，除 print 3 4 0，整除 地板除 print 3 4 3，取餘 print ...