机器学习

监督学习：给了输入x，并且给出输出标签y

回归？回归算法，一种监督学习算法，学会从无限多可能的数字中预测数字。

分类？分类算法，另一种监督学习算法，预测类别。

非监督学习：仅有输入x，并没有输出y

聚类算法：获取没有标签的数据并尝试自动将他们分组到集群中

异常检测：

降维：大数据压缩成小数据，并丢失尽可能少的信息

线性回归模型：

成本函数cost，J(),平方误差

梯度下降求w和b，学习率α（0-1）控制步幅。

如果想要同时更新，那么在更新w之后用新的w去更新b。

学习率：太大和太小都不行

❓如果动态学习率呢，根据斜率而改变学习率,斜率的绝对值越小那么越接近最底部,由这个而改变学习率.但是好像又不必需要,因为你的斜率已经在改变了,斜率在变小,不必要再改变学习率.

❓不同的特征值，具有不同的取值范围，导致梯度下降运行缓慢。重新缩放不同的特征值，使其都具有可比的值范围可以显著加快梯度下降。—特征缩放

梯度是否收敛：学习曲线，有时选择不同的学习率，0.001，0.01，0.1，1等来测试

Logistic回归：二进制分类问题，0 or 1

sigmoid function(logistic function):输出一个介于0-1之间是数

成本函数：

01.神经网络和深度学习

安装完Anaconda后会在（Base）环境里默认安装jupyter notebook，但在我们自己创建的环境里是没安装jupyter notebook的，需要我们在自己的环境里再安装一个jupyter notebook。安装步骤如下：

运行完成后进入jupyter notebook界面创建新的Python文件时，若出现Permission Denied：未命名.ipynb问题时需要我们更改jupyter notebook 的配置文件，修改文件的位置，步骤如下：

1.jupyter notebook –generate-config

2.进入上面的目录；

3.修改：#c.NotebookApp.notebook_dir = 改为：

c.NotebookApp.notebook_dir =’jupyterWorkspace’

注意前面的#要去掉，jupyterWorkspace这个文件夹必须事先建好，且建在/home/user（自己的用户名）/下。