机器学习课程由吴恩达教授授课

P1-P23

1. 新闻事件分类的典型实例，例如谷歌新闻的案例，可以通过聚类算法将相关文章归为一类，因此属于无监督学习范畴。而细分市场的识别同样可以视为无监督学习问题，因为仅需提供数据给算法，由其自动识别潜在的细分市场。
2. Octave 是一款开源且免费的软件工具，借助类似 Octave 或 Matlab 的平台，许多学习算法能够以极简的代码形式加以实现。
3. 代价函数也被称为平方误差函数，在某些情况下也被称作平方误差代价函数。对于多数问题而言，尤其是回归任务中，这一函数是一个合理的选择。（导师更正：理论上讲，任何非负函数均可作为代价函数，但在实际应用中多采用平方误差函数，因其结构简单且具备平滑性。）
4. 当数据规模较大时，梯度下降法相较于正规方程更具实用性。（导师提示：你需要仔细思考背后的原因。）
5. 在处理多维特征问题时，确保所有特征处于相似的数量级上有助于梯度下降算法更快地达到收敛状态。
6. 在实际操作中可以尝试多种学习率设定：𝛼 = 0.01、0.03、0.1、0.3、1、3、10。
7. 若采用多项式回归模型，则在运行梯度下降算法之前进行特征缩放是极为关键的步骤。

P24-P27

**P32