目录

机器学习基础

1 Python基础

基本语法

print
数学运算
变量

while和for循环

while循环
for循环

if判断

if判断
if else判断
if elif else 判断

定义功能

def函数
函数参数
函数默认参数

变量形式

全局变量、局部变量

类

class类
class类 init功能

元组，列表，字典

元组
list 列表
多维列表
字典

模块

import 模块
import 自己的模块

其他

continue、break
try 错误处理
正则表达式

2 Numpy&Pandas

Numpy

Numpy 属性
Numpy 创建
Numpy 基础运算
Numpy索引
Numpy array合并
Numpy array 分割
Numpy copy

Pandas

Pandas 选择数据
Pandas 设置值
Pandas 处理丢失数据
Pandas 导入导出
Pandas concat
Pandas merge

3 Matplotlib

画图种类

Scatter 散点图
Bar 柱状图
Contours 等高线图
Image 图像
3D 数据

多图合并显示

Subplot 多合一显示
Subplot 分格显示

吴恩达机器学习

1 引言

什么是机器学习

机器学习定义
机器学习算法：监督学习，无监督学习
其他

监督学习

概念
回归问题
分类问题

无监督学习

聚类
非聚类

2 单变量线性回归

模型表示

代价函数

代价函数概念
代价函数表达式

梯度下降

思想
公式
学习速率

线性回归中的梯度下降

线性回归模型
梯度下降算法
公式

3 多变量线性回归

多特征

n, $x^{(i)}$, $x_j^{(i)}$概念
多特征函数h（θ）

多变量梯度下降

公式
例1，例2

特征和多项式回归

定义新特征
多项式回归

正规方程

正规方程法
正规方程法与梯度下降法对比

不可逆性正规方程

正规方程法无法应用的情况
对应方法

4 逻辑回归

分类

逻辑回归算法所应用的问题
阈值
逻辑回归算法

假设函数表示

逻辑回归模型
线性回归函数
逻辑回归函数
图形

决策边界

决策边界的概念
决策边界在线性拟合和多项式拟合的应用

代价函数

对数损失函数
代价函数

简化的成本函数和梯度下降

代价函数简化
代价函数的梯度下降

进阶优化

最优化算法概念
常用的最优化算法

多类别分类：一对多

转化思想
分类方法

5 正则化

过拟合问题

拟合问题的三类情况：欠拟合、优良的拟合、过拟合
偏差、方差的概念
避免过拟合的方法

代价函数

解决过拟合的方法：增加惩罚项
代价函数
学习速率的选值问题：过大、过小

线性回归正则化

应用正则化的线性回归梯度下降算法
应用正则化的正规方程法

逻辑回归正则化

为逻辑回归的代价函数添加正则化项
应用正则化的梯度回归梯度下降算法
6 神经网络：表达

非线性假设

神经网络和大脑

隐藏层、输入层、输出层的概念
$x_0$、θ、激活函数的概念

多类别分类

7 神经网络：学习
8 机器学习应用的建议
9 机器学习系统设计
10 支持向量机
11 无监督学习
12 降维
13 异常检测
14 推荐系统
15 大规模机器学习

gitTUT 版本管理

1 创建版本库

创建版本库

$cd ~/文件夹路径／文件夹名称
添加用户名和email
建立git管理文件

添加文件管理

查看所有文件
创建新文件
查看版本库状态
添加到版本库 git add
提交改变 git commit

2 记录修改

查看修改纪录 git log

查看未add的修改 git diff

查看已经add的修改 git diff –cached

同时查看两种状态的修改 git diff HEAD

3 reset

修改已经commit的版本

reset到add之前

reset到commit之前

4 checkout

使得单个文件回到过去的状态

git checkout +id –文件名

5 分支（branch）

使用 branch 创建 dev 分支

git branch +分之名

切换分支

git checkout 分之名

在分支中修改

checkout -b

将 dev 的修改推送到 master

切换至主线，再merge分支

6 merge分支冲突

merge +分支名

7 rebase分支冲突

rebase +分知名

8 临时修改 stash

暂存修改

stash -s

建立其他任务

恢复缓存

stash pop