本文主要是介绍Machine Learning week1，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！
Machine Learning definition:
Machine learning is a type of artificial intelligence (AI) that provides computers with the ability to learn without being explicitly programmed. (Ref)
Supervised:有供给的且分好类的数据进行预算，Regression是其中一种（前提：已知分类！）
Unsupervised：由供给的数据和machine learning的算法进行数据分类（前提：未知分类！）
Regression：Output 是连续的
Classification: output需要被分类且是离散分布
IDE： Octave 比用Java等常用语操作平台更简单，有内置算法
Model And Cost Function
-cost function(squared error function)
-Gradient Descent(to minimise,to calculate simultaneously[用最原始值])
optima指的是3D图里的最优位置，可以选择阿尔法为恒定（fixed），optima是来自global optimum里, GRADIENT DESCENT不能保证得到最小的优解，阿尔法的值对gradient descent的覆盖范围没有影响。
“Convex Function”(Linear regression)只有一个local optima；“Batch” gradient descent.
<week1_quiz>
<week1_quiz2>
-Linear Algebra
Matrix => row * column Dimension 又row与column的坐标找特别的数（大写），
相加的两个matrix 的dimension要一样
相乘的matrix和vector结果为一vector, linear regression可以construct，for loop可以转换成这个
相乘的两个matrix可以换成两个matrix*vector计算，结果的列数与第二个matrix为准，结果的行数与第一个matrix为准[not commutative]，两个matrix的dimension不能一样。
A＊B＊C ＝> A＊（B＊C）＝（A＊B）＊C
Identity Matrix => I[mn] * A[nn] = A[mm] * I[mn] = A[mn]
Inverse => A*(1/A) = (1/A)*A = I (No inverse = singular = degenerate)
Transpose => 第N个row变成第N个column, B[ij] = A[ji]
Vector => n*1 Dimension, index指从哪个数开始累积（小写）
这篇关于Machine Learning week1的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！
