参考：吴恩达机器学习的视频
本文用于我自己的内容总结以及层次理解。
学习流程：
1. 具有一个特征的学习算法（linear regression 线性回归），代价函数 编辑的由来，等高图
2. 可以最小化代价函数的梯度下降法（gradient descent），以及对于编辑、学习率编辑、导数项的通俗解释
3. 具有多个变量或特征的学习算法（multivariate linear regression 多元线性回归），它的假设函数和的迭代
6. 对于特征的选择和多项式回归的思考（不同的特征选择会产生不同的模型，以及模型是否能够最大程度的拟合样本数据）
10. Octave中的控制语句（for,while,if,break的使用）
11. 在Octave中定义和调用函数，并且每一种编程语言都有各自完备的线性矩阵库。使用它们可以极大的增加运行效率和减少代码量。
Original: https://blog.csdn.net/weixin_44872724/article/details/125685428
Author: M有在认真学习
Title: 吴恩达—机器学习的流程（持续更新）
原创文章受到原创版权保护。转载请注明出处：https://www.johngo689.com/634044/
转载文章受原作者版权保护。转载请注明原作者出处！