4.1 多维特征 参考视频: 4 - 1 - Multiple Features (8 min).mkv 目前为止，我们探讨了单变量/特征的回归模型，现在我们对房价模型增加更多的特征，例如房间数楼层等，构成一个含有多个变量的模型，模型中的特征为$\left( {x_{1}},{x_{2}},...,
发布于 2025-06-13
3.1 矩阵和向量 参考视频: 3 - 1 - Matrices and Vectors (9 min).mkv 如图：这个是4×2矩阵，即4行2列，如$m$为行，$n$为列，那么$m×n$即4×2 矩阵的维数即行数×列数 矩阵元素（矩阵项）：$A=\left[ \begin{matrix} 140
发布于 2025-06-12
2.1 模型表示 参考视频: 2 - 1 - Model Representation (8 min).mkv 我们的第一个学习算法是线性回归算法。在这段视频中，你会看到这个算法的概况，更重要的是你将会了解监督学习过程完整的流程。 让我们通过一个例子来开始：这个例子是预测住房价格的，我们要使用一个数
发布于 2025-06-11
参考视频: 1 - 4 - Unsupervised Learning (14 min).mkv 本次视频中，我们将介绍第二种主要的机器学习问题。叫做无监督学习。 上个视频中，已经介绍了监督学习。回想当时的数据集，如图表所示，这个数据集中每条数据都已经标明是阴性或阳性，即是良性或恶性肿瘤。所以，对于
发布于 2025-06-10
参考视频: 1 - 3 - Supervised Learning (12 min).mkv 在这段视频中，我要定义可能是最常见一种机器学习问题：那就是监督学习。我将在后面正式定义监督学习。 我们用一个例子介绍什么是监督学习把正式的定义放在后面介绍。假如说你想预测房价。 前阵子，一个学生从波特兰俄勒
发布于 2025-06-10
参考视频: 1 - 2 - What is Machine Learning_ (7 min).mkv 机器学习是什么？在本视频中，我们会尝试着进行定义，同时让你懂得何时会使用机器学习。实际上，即使是在机器学习的专业人士中，也不存在一个被广泛认可的定义来准确定义机器学习是什么或不是什么，现在我将告诉
发布于 2025-06-10
第一个视频主要讲了什么是机器学习，机器学习能做些什么事情。 机器学习是目前信息技术中最激动人心的方向之一。在这门课中，你将学习到这门技术的前沿，并可以自己实现学习机器学习的算法。 你或许每天都在不知不觉中使用了机器学习的算法每次，你打开谷歌、必应搜索到你需要的内容，正是因为他们有良好的学习算法。谷歌
发布于 2025-06-10
