吴恩达机器学习2022学习笔记（一）

搬运课程链接：https://www.bilibili.com/video/BV1Zt4y1H78P

课程大纲

本课程共分为三部分：

• 第一部分：Supervised Machine Learning:Regression and Classification
• 第二部分：Advanced Learning Algorithms
• 第三部分：Unsupervised Learning:Recommenders, Reinforcement Learning

第一部分 监督学习：回归与分类

[Supervised Machine Learning:Regression and Classification]

机器学习定义

维基百科：

监督学习（Supervised Learning）

监督学习，指学习x到y，或者输入到输出映射的算法。

监督学习应用举例

无监督学习（Unsupervised Learning）

数据与任何输出标签都不相关。没有数据标签,只有x没有y（Finding something interesting in unlabeled data)
聚类算法clustering： 将无标签数据分成两类或多类。如谷歌新闻分类、DNA。
异常检测Anomaly detection： 金融欺诈等。
降维算法 Demensionality reduction: 将大数据集分成小数据集，尽可能减少数据丢失。

线性回归模型

。。。

逻辑回归模型

。。。

过拟合

欠拟合=高偏差，过拟合=高方差，泛化（generalization）

解决过拟合方法：

1.增加训练集

2.特征降维、特征丢弃

3.正则化（重点）