嘿哈！小y同學換個賬號來造作呀！
心里一直揣著大牛Andrew NG的ML課程……半懂不懂，久久不能釋懷
今天腦袋一抽……翻墻Coursera走起！重新從第一周開始看起，天哪……1.5倍速刷了視頻，感覺I can sail through it!
簡單稍微寫一下第一周的：
What is ML?
Just Experience---E,task---T,performance measure ---P，就是在training set的基礎上，解決一個任務，用p來測量任務完成得好不好，不好咋辦捏？從E上繼續學唄！
然后呢，主要是supervised learning和unsupervised learning，這倆啥區別咩，一個是how to do,另一個呢，是learn by itself。第一個從數據集里直接得出結論，包括classification 和regression,第二個呢……現在還沒太搞明白呢呢呢
Regression
先來單變量線性回歸滴，叫個linear regression with one variable
好幾個視頻講了個啥尼
3個公式吧:
1Hypothesis:hx=thet1+thet2X
2Cost function:J thet=1/2m求和（hxi-yi)^2
3Gradient decent:就是求出讓代價函數達到最小值時候的thet值咩
Thet1=thet1-a*1/mSUM(hxi-hi)
Thet2=thet2-a*1/mSUM(hxi-hi)xi
Thet好難打，還不知道對不對……
除去各種例子，最核心的就是這個了叭……先假設函數然后求代價函數，然后用梯度下降算出最小值來……最后捏就得到算法了……
This is the hand of Jobs!
