Andrew Ng机器学习课程笔记--week1（机器学习介绍及线性回归）
之前看过一遍，但是总是模模糊糊的感觉，也刚入门，虽然现在也是入门，但是对于一些概念已经有了比较深的认识（相对于最开始学习机器学习的时候）。所以为了打好基础，决定再次学习一下Andrew Ng的课程，并记录笔记以供以后复习参考。
1. 内容概要
-
- Introduction
- 什么是机器学习
- 监督学习
- 非监督学习
-
- Linear Regression with One Variable
- 模型展示
- 损失函数定义
- 梯度下降算法
- 线性回归中的梯度下降
- 线性代数计算复习
2. 重点&难点
上面内容中需要强调的有：
1）梯度下降算法
计算步骤：
梯度下降又可分为：梯度下降、随机梯度下降、批量梯度下降，具体区别和如何实现参考
梯度下降、随机梯度下降和批量梯度下降
