Coursera “机器学习 - Andrew Ng”（前7.5周）总结

有幸在旷视科技的大佬推荐下自学吴恩达（Andrew Ng）的机器学习课，小小地总结一下最近都学了点啥~

Week 1

1. 单变量线性回归（Linear Regression with One Variable）

2. 梯度下降法（Gradient Descent）

3. 线性代数相关介绍（矩乘、求逆、转置）

Week 2

1. 多变量线性回归（Multivariate Linear Regression）

2. 正规方程法（Normal Equation）

3. Octave/Matlab基本操作介绍

Week 3

1. 逻辑回归（Logistic Regression）

2. 正则化解决过拟合（Regularization, Overfitting）

Week 4

1. 神经网络的结构（Neural Networks）

2. 神经网络的应用

Week 5

1. 神经网络BP算法（Backpropagation）

2. BP算法的实践（参数展开、梯度检查、随机初始化）

Week 6

1. 模型选择，验证集（Cross Validation Set）

2. 偏差与方差（Bias vs. Variance）

3. 查准率与查全率（Precision and Recall）

Week 7

1. 支持向量机（Support Vector Machines）

Week 8

1. K均值聚类算法（K-Means）

......