Stanford-CS-229-CN.Video1&2

参考内容：
斯坦福大学公开课 ：机器学习课程
Stanford-CS-229-CN

Video 1 机器学习的动机与应用

一、Supervised Learning

1. Regression problems

如房价预测

2. Classification problems

如肿瘤是否良性

二、Learning Theory

三、Unsupervised Learning

如分隔两个声源的声音

四、Reinforcement Learning（强化学习）

1. reward function

如控制飞机自动飞行，bad dog & good dog example

Video 2 监督学习应用.梯度下降

一、Supervised Learning

1. Regression problem:

自动驾驶：人类司机教算法学习驾驶
房价预测：

• m = # training examples
• x = "input" variables/features
• y = "output" variables/ "target" variables
• (x, y) = training example
• i^th training example = (x⁽ⁱ⁾, y⁽ⁱ⁾)

假设h(x) = θ₀+θ₁x

假设X₁ = Size，X₂ = # the rooms，
h(x) = h_θ(x) = θ₀ + θ₁x₁ + θ₂x₂

gradient descent - 存在局部最优解问题

batch gradient descent

• 随机梯度下降 stochastic gradient descent (incremental DG) 在有大规模数据集时下降更快，在最小值附近徘徊。

  
  
  SGD