视频链接
吴恩达机器学习

---

前言

大家好，我是JJJJ_iii

历时数周，我终于将吴恩达老师经典的机器学习课程完整地学习了一遍，并同步完成了这份共计16篇的超详细学习笔记。从最初对监督学习的一知半解，到最后深入探索强化学习的奥秘，这不仅仅是一次知识的汲取，更是一场对毅力和学习方法的磨练。

创建这个系列笔记的初衷，是为了构建一个系统、详尽且忠于原课程内容的中文学习资源。我深知在学习路上，一份好的笔记能够起到巩固知识、快速查阅、构建知识体系的关键作用。因此，我严格按照吴恩达老师的讲课顺序，将每一节课的重点、难点、核心概念以及PPT截图都整理归纳到了对应的博文中。

今天，我将这16篇心血之作汇总于此，形成一个完整的目录索引。希望这个汇总帖能像一张清晰的学习地图，帮助正在或计划学习这门课程的同学们高效地航行，也希望能为需要快速回顾特定知识点的朋友们提供便利。

---

适合人群

本系列笔记主要面向以下学习者：

• 机器学习初学者：渴望系统性地入门机器学习，建立坚实理论基础的同学。
• 在校学生：正在学习相关课程，希望有辅助材料来深化理解、完成作业的同学。
• 准备转行的开发者：有一定编程基础，希望转型人工智能领域的工程师。
• 算法工程师：需要快速回顾或巩固特定机器学习概念（如协同过滤、PCA、DQN等）的从业者。

---

如何使用本系列笔记

1. 系统学习：如果您是初学者，强烈建议您按照 01到16的顺序 依次学习，并配合吴恩达老师的原版视频食用。推荐的学习流程是：观看一节视频 -> 阅读对应的笔记 -> 动手实践相关代码。
2. 快速查阅：每一篇的标题都明确了其核心知识点。您可以使用 Ctrl+F 在本页面快速定位到您感兴趣的章节，直接跳转阅读。
3. 构建体系：当您学完整个系列后，可以时常回到这个总览页面，回顾整个知识体系的脉络，检查自己是否对每个环节都已了然于胸。

---

完整笔记目录

【机器学习01】监督学习、无监督学习、线性回归、代价函数 p1-p9

【机器学习02】梯度下降、多维特征线性回归、特征缩放 p10-p21

【机器学习03】学习率与特征工程、多项式回归、逻辑回归 p21-p31

【机器学习04】过拟合与欠拟合、正则化 p32-p37

【机器学习05】神经网络、模型表示、前向传播、TensorFlow实现 p38-p46

【机器学习06】神经网络的实现、训练与向量化 p47-p56

【机器学习07】 激活函数精讲、Softmax多分类与优化器进阶 p57-69

【机器学习08】模型评估与选择、偏差与方差、学习曲线 p70-p76

【机器学习09】调试策略、错误分析、数据增强、迁移学习 p76-p83

【机器学习10】项目生命周期、偏斜类别评估、决策树 p83-p91

【机器学习11】决策树进阶、随机森林、XGBoost、模型对比 p92-p99

【机器学习12】无监督学习：K-均值聚类与异常检测 p102-p111

【机器学习13】异常检测优化、推荐系统、协同过滤 p112-119

【机器学习14】深度学习推荐系统、降维技术PCA p120-128

【机器学习15】强化学习入门、Q-Learning、贝尔曼方程 p129-137

【机器学习16】连续状态空间、深度Q网络DQN、经验回放、探索与利用 p137-p144

---

如果您在阅读过程中发现任何问题，或者有任何建议，都非常欢迎在评论区与我交流！