吴恩达机器学习课程笔记

目录 吴恩达机器学习课程笔记 机器学习定义 监督学习和无监督学习 单变量线性回归 模型表示（model representation） 代价函数 梯度下降 线性回归中的梯度下降 凸函数（convex function） 多变量线性回归 特征缩放（feature scaling） 学习率（learning rate） 特征和多项式回归 正规方程（normal equation） 逻辑回归（logistic regression） 假设表示 决策界限（Decision Boundary） 代价函数（cost function） 正则化（regularization） 欠拟合和过拟合（underfitting and overfitting） 欠拟合 过拟合 正则化代价函数 线性回归和逻辑回归的正则化 神经网络学习 模型表示 神经网络前向传播 代价函数 反向传播： 展开参数 梯度检验 随机初始化 together 机器学习细节 模型选择（model selection） 方差和偏差（variance VS bias） 机器学习系统设计 目录 吴恩达机器学习课程笔记 机器学习定义 监督学习和无监督学习 单变量线性回归 模型表示（mod