分类问题 Logistic Regression：其实是classfication问题，不是Regression问题。 过度拟合 避免过度拟合，可以在代价函数中给予惩罚项。参数值一定要选合适的，否则可能依然过度拟合或者基本没拟合bias较大。

编程章节，代码和作业在jupyter上

解代价函数有两种方法：梯度下降法和正规方程解法。各有 特点 两者的特点 正规方程在矩阵不可逆的情况：变量间线性相关

jupyter notebook有求逆

2-1模型描述 单变量线性回归 2-2代价函数 最小化方差。代价函数=$min\sum_{i=1}^{n}(h_\theta (x^i)-y^i)$ 2-3,2-4代价函数 由图可以看出$\theta_1$取1时代价函数取得最小值 二元代价函数图 2-5梯度下降 常规算法，不仅用在线性回归，还用在很多机器学习中 一直梯度下降直到收敛 梯度下降过程中…

监督学习 监督学习：给算法数据集，预测更多的结果。 给定一些列房价，以达到预测更多房价 给定肿瘤大小，预测良性与否 回归：regression，回归这个术语指我们设法预测连续值得属性。 分类：可以理解为有限的结果集 课堂问题： choose answer for the questions 答案：C 非监督学习 非监督学习：没有给定数据集的正确性，…