Part1-分类问题(细)

这一部分学习自李宏毅老师的机器学习深度学习相关课程

对于分类这件事，我们需要找的是一个函数，输入为x，输出是这个输入x对应的属于哪个类别class n，即：

Part1-逻辑回归

由于编程没有使用Octave，所以关于Octave语言部分跳过

分类

Part1-线性回归课后练习

1、简单的函数

获得一个\(5\times 5\)的单位矩阵

Part1-多元线性回归

多特征量

在之前研究的线性回归中，通常只有一个特征，如房屋价格预测中的房屋面积，得出假设\(h_\theta(x) = \theta_0+\theta_1x\)，但实际上，影响房屋价格的因素往往不仅仅是房屋面积，还有一些其它特征可能也会影响房屋价格，如卧室数量、楼层、房屋使用时长等。

Part1-线性代数复习

矩阵和向量

矩阵

Part1-单参数线性回归

模型描述

如图是房屋价格预测问题，根据不同尺寸的房子对应不同售价组成的数据来画图，然后对新的房屋面积预测对应的价格

Part1-机器学习介绍

什么是机器学习？

1. 机器学习的定义：

   Arthur Samuel对机器学习的定义：在没有明确设置的情况下，使计算机具有学习能力的研究领域

   Tom Mitchell对机器学习的定义：一个适当的学习问题定义如下：计算机程序从经验E中学习解决某一任务T进行某一性能度量P，通过P测定在T上的表现因经验E而提高，简言之，就是一个计算机程序可以通过经验E使得其在处理任务T时获得了更好的效果(这个效果的好坏用P来衡量)

2. 机器学习的分类：

   主要两类是：

   • 监督学习
   • 无监督学习

   其它：强化学习、推荐系统等

机器/深度学习自学

学习路线

参考知乎：纯新手自学入门机器/深度学习指南

卷积神经网络-目标检测

目标检测是计算机视觉邻域中的一个新兴应用方向，相比前之前，它的性能也是越来越好，在构建目标检测之前，可以先了解一下目标定位。

目标定位

卷积神经网络-实例探究

为什么要进行实例分析？

之前已经了解过了卷积神经网络的一些基本知识-卷积层、池化层、全连接层等，人们花费许多时间在探究如何将这些不同的层进行连接形成有更有效的神经网络，而找到这种方法(或感觉)的最好方法之一就是看一些实例。