本节的主要内容是复习矩阵的相关知识点。 1.表示方法    一般，我们用  来表示矩阵A，其中m代表行数，n代表列数。    用 表示矩阵A中的第i行和第j列的元素。 2.矩阵的运算    加法：对应元素相加。    减法：对应元素相减。    乘法：不满***换律。 3.矩阵的操作和性质    单位矩阵：对角元素全为1，其余元素全为0。    对角矩阵：除对角元素外，其余元素全为0。（单位矩阵是特殊的对角矩阵）    矩阵的转置：变换矩阵的行和列，。    对称矩阵：。    矩阵的迹：方阵对角线元素的和。    矩阵的逆：。    正交矩阵：，则说明x和y是正交的。 4.梯度    ...

1.训练集    有训练样例(training example)组成的集合就是训练集。    如上图所示，右边两列数据就是训练集。一个（x，y）就是一个训练样例。我们用一些特定的字母表示术语：    m：代表训练集中实例的数量；    x：代表特征/输入变量；    y：代表目标变量/输出变量；    (x,y)：代表训练集中的实例；    (x(i),y(i))：代表第i个训练实例；    h：代表学习算法的解决方案或者函数，也称为假设； 2.假设函数（Hypothesis Function）          上图是监督学习算法的工作方式，实际上我们是要将训练集喂给学习算法，通过学习...

 1.机器学习    两条定义： 2.监督学习    给定一组数据，我们知道正确的输出结果应该是什么样子，并且知道在输入和输出之间有着一个特定的关系。    监督学习的分类：回归（Regression）、分类（Classification）    回归：预测一个连续值，输入变量和输出用一个函数对应。    分类：预测一个离散值，输入变量和离散的类别对应。    举例：    回归：对房地产数据也测房屋价格，面积已给定，价格可以看做是面积的函数，是一个连续的输出值。                  分类：通过肿瘤的大小预测是恶性还是良性，这是一个分类问题，输出是0和1两个离散值。0意...