机器学习简介

• Define machine learning
• Define supervised learning
• Define unsupervised learning
• Write and run Python code in Jupyter Notebooks
• Define a regression model
• Implement and visualize a cost function
• Implement gradient descent
• Optimize a regression model using gradient descent

机器学习是什么

quiz

监督学习

回归问题

分类问题

quiz

无监督学习

聚类问题

quiz

练习测试：监督学习与无监督学习

线性回归

线性回归模型第一部分

基本术语

线性回归模型第二部分

quiz

选学实验：线性回归模型

代价函数公式

quiz

代价函数的直观理解

quiz

可视化代价函数

可视化的例子

选学实验：线性回归模型

练习测试：线性回归

使用梯度下降训练模型

梯度下降

实现梯度下降

quiz

梯度下降直观理解

quiz

学习率

线性回归的梯度下降

运行梯度下降

选学实验：线性回归的梯度下降

关于python语法不熟练的可以参考官方文档

练习测试：使用梯度下降训练模型

多输入变量的回归模型

• Use vectorization to implement multiple linear regression
• Use feature scaling, feature engineering, and polynomial regression to improve model training
• Implement linear regression in code

多元特征

基本术语

quiz

向量化第一部分

quiz

向量化第二部分

quiz

选学实验：Python、NumPy 和向量化

多元线性回归的梯度下降

可选实验：多元线性回归

练习测试：多元线性回归

特征缩放第一部分

特征缩放第二部分

quiz

检查梯度下降是否收敛

学习率的选择

quiz

可选实验：特征缩放和学习率

如果喜欢我的文章，请记得三连哦，点赞关注收藏，你的每一个赞每一份关注每一次收藏都将是我前进路上的无限动力 ！！！↖(▔▽▔)↗感谢支持，下期更精彩！！！