简要声明

---

1. 课程学习相关网址
   1. Bilibili
   2. 网易云课堂
   3. 学习讲义
2. 由于课程学习内容为英文，文本会采用英文进行内容记录，采用中文进行简要解释。
3. 本学习笔记单纯是为了能对学到的内容有更深入的理解，如果有错误的地方，恳请包容和指正。
4. 非常感谢Andrew Ng吴恩达教授的无私奉献！！！

索引

---

第一章 机器学习绪论

Machine Learning	机器学习	Supervised learning	监督学习
Unsupervised learning	非监督学习	Reinforcement learning	强化学习
Regression	回归问题	Classification	分类问题
label	标签	feature	特征
cluster	簇	clustering algorithm	聚类算法

第二章 单变量线性回归

hypothesis	假设函数	Linear regression	线性回归
Parameter	模型参数	cost function	代价函数
Gradient descent	梯度下降	convex function	凸函数

第三章 线性代数

Matrix	矩阵	Vector	向量
index	下标	Matrix Addition	矩阵加法
Scalar Multiplication	标量乘法	commutative	乘法交换律
Associative	乘法结合律	Identity Matrix	单位矩阵
Matrix inverse	矩阵的逆	Matrix Transpose	矩阵转置

第四章 多变量线性回归

feature	特征	Multivariate linear regression	多元线性回归
Feature Scaling	特征缩放	Example automatic convergence test	自动收敛测试
Polynomial regression	多项式回归	Normal equation	正规方程

第五章 逻辑回归

Classification problem	分类问题	Logistic Regression	逻辑回归
Decision boundary	决策边界	Conjugate gradient	共轭梯度法
Multi‐class classification	多元分类	One-­versus­‐all	一对多

第六章 正则化

Underfitting	欠拟合	high bias	高偏差
Overfitting	过拟合	high variance	高方差
generalize	泛化	Regularization	正则化

第七章 神经网络

Neural Network	神经网络	bias unit	偏置单元
activation function	激活函数	weights	权重
input layer	输入层	output layer	输出层
hidden layer	隐藏层	Forward propagation	前向传播
Back-propagation	反向传播	Gradient checking	梯度检测

第八章 应用机器学习的建议

Diagnostic	诊断法	Training set	训练集
Test set	测试集	Cross validation set	交叉验证集
Learning curves	学习曲线

第九章 机器学习系统设计

Error analysis	错误分析	Numerical evaluation	数值评估
skewed classes	不对称性分类	Precision	查准率
Recall	召回率	F_1 Score	F值

第十章 支持向量机

Support Vector Machines (SVM)	支持向量机	Large margin classifiers	大间距分类器
Kernels	核函数	landmark	标记

第十一章 无监督学习

Clustering	聚类	K­‐means	K均值
cluster centroids	聚类中心	distortion function	失真函数

第十二章 降维

Dimensionality Reduction	降维	highly redundant feature	高冗余特征
Data Visualization	数据可视化	Principal Component Analysis (PCA)	主成分分析方法
projection error	投影误差	Data preprocessing	数据预处理
covariance matrix	协方差矩阵	Reconstruction	重构

第十三章 异常检测

Anomaly detection	异常检测	Gaussian distribution	高斯分布
Multivariate Gaussian distribution	多元高斯分布

第十四章 推荐系统

Recommender Systems	推荐系统	Collaborative filtering	协同过滤
feature learning	特征学习	low rank matrix factorization	低秩矩阵分解

第十五章 大规模机器学习

Stochastic gradient descent	随机梯度下降法	Batch gradient descent	批量梯度下降
Mini­‐batch gradient descent	小批量梯度下降	Online Learning	在线学习
click-through rate(CTR)	点击率	Map­‐reduce	映射减少

第十六章 总结与感谢

• “If you worked all the way through this course, you should now consider yourself an expert in machine learning.”
• “It was maybe not so long ago, that I was a student myself. And even today, I still try to take different courses when I have time to try to learn new things. And so I know how time-consuming it is to learn this stuff.”
• “And I wanted to say: Thank you very much for having been a student in this class.”