强烈推荐的【机器学习扛把子吴恩达】个人学习笔记！

吴恩达机器学习（一）—— 简介

吴恩达机器学习（二）—— 线性回归

吴恩达机器学习（三）—— Logisitic回归

吴恩达机器学习（四）—— 正则化

吴恩达机器学习（五）—— 神经网络

吴恩达机器学习（六）—— 神经网络的学习

吴恩达机器学习（七）—— 应用机器学习的建议

吴恩达机器学习（八）—— 机器学习系统的设计

吴恩达机器学习（九）—— 支持向量机

吴恩达机器学习（十）—— 聚类

吴恩达机器学习（十一）—— 降维

吴恩达机器学习（十二）—— 异常检测

吴恩达机器学习（十三）—— 推荐系统

吴恩达机器学习（十四）—— 大规模机器学习

吴恩达机器学习（十五）—— 应用实例：图片文字识别

吴恩达《机器学习》课程总结

最近在学习吴恩达机器学习,学习过程中发现颇有乐趣,便顺手梳理一下,整理成笔记形式,供同学们参考

1 机器学习的定义

从广义上来说，机器学习是一种能够赋予机器学习的能力以此让它完成直接编程无法完成的功能的方法。但从实践的意义上来说，机器学习是一种通过利用数据，训练出模型，然后使用模型预测的一种方法。

“训练”与“预测”是机器学习的两个过程，“模型”则是过程的中间输出结果，“训练”产生“模型”，“模型”指导 “预测”。

机器学习方法是计算机利用已有的数据(经验)，得出了某种模型(迟到的规律)，并利用此模型预测未来(是否迟到)的一种方法。

让我们把机器学习的过程与人类对历史经验归纳的过程做个比对。