机器学习，理解梯度下降即公式，以及学习率α

机器学习-监督学习和无监督学习

对逻辑回归的损失函数进行了简化，由两个式子合并成一个式子，对逻辑回归实现了梯度下降，对过拟合和欠拟合进行了解释，有3种方法解决了过拟合问题，正则化是最常用的，对线性回归和逻辑回归使用了正则化方法。

机器学习中的决策边界就是使z=0的点，即向量w乘向量x+b=0的点，这条边界可能是条直线，可能由于w的高阶多项式的原因，形状不规则

机器学习，动机与目的、逻辑回归

机器学习的线性模型，以及代价函数

证明了用线性回归的代价函数去描述逻辑回归是不合适的，因为会出现非凸函数，会有多个局部最小值。通过逻辑回归的输出值，定义了一个损失函数，当标签值y=1时，只有预测出的值趋近于1，损失函数才会趋近于0，否则趋近于无穷大，标签值y=0时同理。

strlen首先我们先看c语言库函数实现strlen求字符串长度：从以上图片中我们可以看出strlen是求字符串的长度，求的长度是\0之前的字符串，返回值的类型是无符号整型#include <stdio.h>#include <string.h>int main(){char arr[] = "abcdef";int len = strlen(arr);printf("%d

机器学习中的决策边界就是使z=0的点，即向量w乘向量x+b=0的点，这条边界可能是条直线，可能由于w的高阶多项式的原因，形状不规则

机器学习的线性模型，以及代价函数