吴恩达机器学习（七）

一、核函数：

核函数（Kernel Function）：是机器学习中处理非线性问题的核心工具，通过隐式映射将数据从原始空间转换到高维特征空间，从而在高维空间中实现线性可分或线性建模。其数学本质是计算两个样本在高位空间中的内积，而无需显式计算映射函数。

所以，核函数的作用是省去高位空间里进行繁琐计算的“简便运算法”。将n维空间映射到无限维空间中去。

选择标记点：

二、无监督学习

在无监督学习中数据不带有任何标签，无监督学习要做的是将这系列无标签的数据输入到算法中，让算法找到一些隐含在数据中的结构。

聚类算法（K-Means algorithm）：K均值算法是一个迭代算法，第一个是簇分配，第二个是移动聚类中心。

优化目标函数：

随机初始化（如何初始化聚类中心）：

选取聚类数量：

通常在数据集中存在多少聚类不清楚的，通常采用“肘部法则”，首先把所有的数据放到一个类中，然后计算代价函数，再使用两个类，依次