20230324机器学习（第四章 特征）
今天挺困的，喂完奶就想躺在那睡，甚至7点多就想睡觉了，腿和腰感觉都不是自己的了，但是还是坚持着带孩子刷牙洗完衣服，想想还听了一会英语，继续看一个小时视频。
第四章看了大部分，
仍然以线性模型为基础，从（一元到多元）线性方程多特征讲开，以及多元的话特征向量如何表示，其中x0=1这个方法的确之前没想过，真是妙啊~ 这样就是n+1维向量了，方便！——看弹幕 大概是 归一法 好像叫。
还讲到如果x1 x2（其实就是训练数据集的数值范围）差异较大，可以使用（x1-mean）/max的方法让 数据产生的数（对O1 O2来说 在一个近似的相近区间），这种方法来让梯度下降更快，而不至于反复横跳（弹幕有更专业说法）——好像字幕翻译的叫 （完了忘了）哦，缩放法。
通过图像来确认J(O) cost function 在朝着正确的方向收敛，这里提到 ax ——learning rate（好像是一个学习率，不太明白，是之前讲过的内容但当时太困了没听进去），——一般来说ax 取足够小的话就能够顺利收敛，如果太大（可能就是步长太长）就有可能越过最小值了，然后找不到那个最小值的点。吴恩达的方法是10倍取数&结合图像观察。
再有讲到 多项式 的方法，就是有点像以前学过的叠加，就是不同走向的方程式叠加在一块，比如二次的叠加三次的。
