毕业设计选题帮助、项目指导，欢迎打扰

机器学习问题主要可以分为：监督学习（supervised） 和 非监督学习（unsupervised）监督学习：回归问题： 预测连续值输出分类问题：预测离散值输出数据集给出正确答案（有标签，有y值）非监督学习：聚类算法， 数据集无明确答案（没有标签，没有y值），由算法自动分成簇类。 假设函数（hypothesis）：用来拟合数据集的函数，像线性回归中的直线方程。...

主要内容：多变量下的线性回归，特征缩放/均值归一化，正规方程，常用的matlab/octave函数语句多变量的线性回归：和单变量的其实差不多，在矩阵的运算下是完全一样的。主要是对变量的一些定义，如下标表示第几个特征量，上标表示训练集中的第几个样本。吴恩达机器学习第一周特征缩放/均值归一化：由于不同的特征量会有不同的取值范围，如果不加以调整，会导致梯度下降的过程中反复振荡，效率过...

主要内容：逻辑回归：分类问题。即训练集中的标签（y值）属于一个有穷集，如｛0，1｝，｛0，...，10｝。具体例子有：判断病人是否患有癌症（2种类别）；手写数字识别（10种类别）；判断学生是否挂科等等。假设函数：在原先线性回归函数中的 θ*X 上，再套上一层激励函数。激励函数是神经网络中的一种函数，通常是非线性的。在这里的机器学习问题上，其表示形式为 ，其中 ，（这里的θ为列向量，...