【吴恩达机器学习-笔记整理】课程知识点汇总（按视频章节）与学习笔记分享（附链接）

前言

✨你好啊，我是“ 怪& ”，是一名在校大学生哦。
主页链接：怪&的个人博客主页
☀️博文主更方向为：课程学习知识、作业题解、期末备考。随着专业的深入会越来越广哦…一起期待。
❤️一个“不想让我曾没有做好的也成为你的遗憾”的博主。
很高兴与你相遇，一起加油！

一、分享

最近学完了B站了：[中英字幕]吴恩达机器学习系列课程
共19章，112个视频。
关于《机器学习》，收获颇丰，特来分享与总结，方便学习与回顾。
学习笔记会持续更新，会在此文中附上对应章节学习笔记文章链接。

二、课程学习一览（章节知识点总结）

“P数字-P数字”对应视频的目录。
若需要学某一知识，看对应章节视频即可~

1、章节目录及知识点整理

P1-P4：介绍什么是机器学习、监督学习、无监督学习
P5-P11：代价函数，线性回归的梯度下降
P12-P17：线性代数知识（矩阵乘法，逆，转置）
P18-P25：多元梯度下降（特征缩放、学习率）、正规方程
P26-P31：Octave编程
P32-P38：logistic回归的分类（离散值），多类别分类问题（一对多）
P39-P42：过拟合，正则化
P43-P49：神经网络，多类别分类
P50-P57：反向传播算法（为神经网络拟合参数）
P58-P64：设计系统、改进算法的方向（模型评估，训练集，验证集，测试集），学习曲线。
P65-P69：设计复杂机器学习系统的问题，评价指标（误差分析，精确度，召回率）
P70-P75：SVM/支持向量机、核函数（监督学习）
P76-P80：k-means
P81-P87：降维（数据压缩，可视化数据），PCA
P88-P95： 异常检测问题，高斯分布
P96-P101：推荐算法（按照喜好推荐等），协同过滤，均值规范化
P102-P107：大规模机器学习（处理大数据集的算法），随机/批量/小批量梯度下降
P108-P111：照片OCR（切割、识别，计算机视觉），上限分析
P112：总结与感谢

2、对应章节学习笔记文章链接

P58-P64：诊断偏差较大（欠拟合）、方差较大（过拟合）的情况及其解决方案
P65-P69：设计复杂的机器学习系统（执行的优先级，误差分析，不对称性误差评估，精确度和召回率）
P70-P75：SVM-支持向量机（新的代价函数，最大间隔，高斯核函数，特征数与样本数不同大小关系时的选择）
P76-P80：k-means（k-均值聚类算法）
P81-P87：降维，数据压缩与PCA
P88-P95： 异常检测与高斯分布
P96-P101：推荐算法，协同过滤，均值规范化
P102-P107：大规模机器学习，随机/批量/小批量梯度下降，在线学习，数据并行
P108-P111：OCR，滑动窗口，数据扩增，上限分析，计算机视觉

二、课程重点总结

1、监督学习

线性回归，逻辑回归，神经网络，支持向量机。

2、无监督学习

k-均值聚类算法，主成分分析法（降维），异常检测算法。

3、特定的应用和话题

推荐系统，大规模机器学习系统，包括并行和映射-化简算法，还有滑动窗口分类器（解决计算机视觉问题）。

4、构建机器学习系统的建议

偏差/方差，正则化；
决定下一步该做什么：学习算法的评价方法，召回率和F1分数等评价指标，实践方面评测方法（训练集，交叉验证集，测试集），调试算法以确保算法正常工作、确保下一步该怎么做、如何分配宝贵的时间（诊断方法：学习曲线，误差分析，上限分析等内容） 。

❤️❤️❤️忙碌的敲代码也不要忘了浪漫鸭！

正如吴老师所讲：希望学习者们能够利用机器学习，不仅仅为了自己，更是为了有朝一日能够造福其他人的生活。