吴恩达机器学习教学视频第一课ppt(自己翻译为中文并简化的版本).pptxVIP

机器学习 龙湘林Machine Learning目录一、机器学习介绍二、代价函数和梯度下降算法一、Introduction简单定义： 计算机程序从经验E中学习任务T，并用度量P来衡量性能。 1959年美国的塞缪尔(Samuel)设计了一个下棋程序，这个程序具有学习能力，它可以在不断的对弈中改善自己的棋艺。4年后，这个程序战胜了设计者本人。又过了3年，这个程序战胜了美国一个保持8年之久的常胜不败的冠军。一、Introduction分类： 1、监督学习： 回归、分类 2、非监督学习 一、Introduction一、IntroductionAgeTumor Size一、Introductionx2x1一、Introductionh的表达式 训练集学习算法输出数据输入数据h二、Cost function Gradient descentCost function：假设:代价函数:目的:二、Cost function Gradient descentyx二、Cost function Gradient descentyx二、Cost function Gradient descentPrice ($) in 1000’sSize in feet2 (x)二、Cost function Gradient descent(for fixed , this is a function of x)(function of the parameters )二、Cost function Gradient descent线性回归模型梯度下降算法：梯度下降算法：梯度下降算法：update andsimultaneouslyJ(?0,?1)?1?0J(?0,?1)?1?0(for fixed , this is a function of x)(function of the parameters )(for fixed , this is a function of x)(function of the parameters )(for fixed , this is a function of x)(function of the parameters )(for fixed , this is a function of x)(function of the parameters )(for fixed , this is a function of x)(function of the parameters )(for fixed , this is a function of x)(function of the parameters )(for fixed , this is a function of x)(function of the parameters )(for fixed , this is a function of x)(function of the parameters )(for fixed , this is a function of x)(function of the parameters )