学习《吴恩达-机器学习》视频时做的笔记。本篇主要涉及将机器学习应用到大数据集所需要的算法改进。包括随机梯度下降算法以及在线学习机制。

学习《吴恩达-机器学习》视频时做的笔记。本篇为推荐系统，主要介绍基于内容的推荐系统及其改进算法——协同过滤算法。

学习《吴恩达-机器学习》视频时做的笔记。本篇为异常检测，主要涉及单变量、多变量高斯分布检测样本集异常点。

学习《吴恩达-机器学习》视频时做的笔记。本篇为无监督学习，主要涉及到的无监督学习算法为聚类和PCA降维。

学习《吴恩达-机器学习》视频时做的笔记。本篇为支持向量机，也被称作大间距分类器。同神经网络一样，SVM对处理非线性分类有较好的效果。与神经网络不同的是，SVM处理的问题基本都是凸优化问题，因此总能找到问题的全局最优值，而神经网络存在局部最优的问题。

学习《吴恩达-机器学习》视频时做的笔记。本篇为算法选择和算法改进。主要涉及对算法的性能进行评估，包括如何划分数据集、诊断偏差与方差，并根据训练集、验证集的偏差及方差表现对算法进行修正。