參考內(nèi)容：
斯坦福大學(xué)公開課 ：機器學(xué)習(xí)課程
Stanford-CS-229-CN

Video 1 機器學(xué)習(xí)的動機與應(yīng)用

一、Supervised Learning

1. Regression problems

如房價預(yù)測

2. Classification problems

如腫瘤是否良性

二、Learning Theory

三、Unsupervised Learning

如分隔兩個聲源的聲音

四、Reinforcement Learning（強化學(xué)習(xí)）

1. reward function

如控制飛機自動飛行，bad dog & good dog example

Video 2 監(jiān)督學(xué)習(xí)應(yīng)用.梯度下降

一、Supervised Learning

1. Regression problem:

自動駕駛：人類司機教算法學(xué)習(xí)駕駛
房價預(yù)測：

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

假設(shè)h(x) = θ₀+θ₁x

gradient descent - 存在局部最優(yōu)解問題

batch gradient descent

• 隨機梯度下降 stochastic gradient descent (incremental DG) 在有大規(guī)模數(shù)據(jù)集時下降更快，在最小值附近徘徊。

  
  
  SGD