学习笔记 —— 吴恩达《机器学习》课程一、前言二、线性回归三、矩阵和向量四、多元线性回归五、Octave教程(Octave Tutorial)六、逻辑回归七、 正则化八、神经网络：表述九、神经网络的学习十、应用机器学习的建议十一、机器学习系统的设计十二、支持向量机十三、聚类十四、降维十五、异常检测十六、推荐系统十七、大规模机器学习十八、应用实例：图片文字识别OCR总结
一、前言1.1 监督学习：监督学习：见度给出数据集和正确答案，要求机器给出更多的正确答案（实现预测）数据问题 && 分类问题单个 or 多个 特征/属性特征：年龄、肿瘤尺寸；Q：无数个特征又该怎么办？1.2 无监督学习将数据集分簇 -> 聚类算法，聚类算法只是无监督算法中的一种；无监督学习：给定数据集，但没有给出正确答案，要求机器对其分类，我们不知道这个数据集有多少类， 看机器把它们分成多少个簇；计算机集群 、社交网络、市场分析；鸡尾酒会算法：一个
