一.机器学习介绍

1. 机器学习介绍
机器学习分为监督学习和无监督学习。

监督学习又包括回归和分类两种。监督学习就是先给程序提供一些已经分好类的数据,或者连续的数据,然后让程序去预测未来的数据。
回归:给出一些时间和房价的数据,然后预测未来时间的房价。
分类:根据你之前对邮件的分类(垃圾邮件和正常邮件),然后将新邮件自动标记为垃圾邮件或正常邮件。

无监督学习就是给程序一些数据,然后让程序自动将这些数据聚合成集合类别,这其中没有人工干预。比如将一对新闻自动聚合成体育,娱乐,时政等类别。

2. 模型和损失函数

模型之一:线性回归,可以理解为线性方程。
下边是损失函数的公式:
cost function

3. 参数学习

梯度下降
梯度下降这种算法可以将代价函数J最小化。
gradient descent

gradient descent
参数a表示学习学习速率,它控制以多大的幅度更新参数。a太小会导致收敛太慢,a太大有可能导致发散。可以选择一个点作为梯度下降的开始点。

4. 线性代数

什么是矩阵和向量。
矩阵与标量的加减乘除运算。
矩阵和向量的乘法运算。
矩阵和矩阵的乘法运算。
矩阵乘法不满足交换律。
矩阵的逆运算。
矩阵的转置运算。
行数和列数相等的矩阵被称为方阵,只有方阵才有逆矩阵。没有逆矩阵的方阵称为奇异矩阵。

分享