藤沢

还好行李没丢

本来打算住在鎌仓
无奈订行程时，Booking 上已经没有宾馆了
就住在了附近的 藤沢

事实上离 鎌仓 非常近
买江ノ岛电鉄一日券，40 分钟就可以到达
中途还可以下车在江之岛转一转

事实证明住藤沢不亏
因为到了湘南 Wing International 后，拿到了个特殊的门禁

箱根 0

就选这个酒店吧，我去过几次，已经算箱根很不错的了
小法师的壕朋友说到

看了下价格，小法师不禁问到

‘我自己一个人去，住那么好的酒店干什么呢’
因为好的酒店会盖在温泉 ♨️ 泉眼上，次一点的需要引水，温度没保障

‘一个人去，为什么要住那么好的酒店’
这个酒店可以选阳台上有温泉的 ♨️ 房间，不用去男汤女汤，非常 privacy

‘我是自己去哎’
连续工作了这么久，去放松下啊，就当毕业旅行 🎓 ✈️ 嘛

然后小法师禁不住诱惑，订下了箱根小涌园天悠
听名字就很悠然自得呢

日本-2-0

🇯🇵

序

小法师的大姊姊突然说去要去箱根

所以跳过了一些（很多）章节，先写这个

至于为什么变成了繁体
因为大姊姊是台湾人呀
虽然她能看懂简体字啦

这是我做过的最糟糕的任务。

TxHandler.java无法构建和运行，一切都要猜测。由于我对JAVA不熟悉，提交后遇到了上百万的语法错误。

我必须:

• 手动导入软件包
• 每行后加”;”。
• if之后的()。
• 声明变量类型

这就是为什么我讨厌 JAVA 的原因 😡😡😡

Anomaly Detection

1.1 Gaussian distribution

1.1.1 Finding closest centroids

1
2
3
4
5

v = [];
for j = 1:K
    v = [v, sum((X - centroids(j,:)).^2, 2)];
end
[v, idx] = min(v, [], 2);

The symbol means Norm not Absolute value the first time as I thought. 😂

以前听过很多次 SVM，现在见识到了它的厉害。😄

1.2.1 Gaussian Kernel

1

sim = exp(-sum((x2-x1).^2)./(2*sigma.^2));

1.2 Regularized linear regression cost function

1

J = 1/(2*m)*sum( (X*theta - y).^2 ) + lambda/(2*m)*sum(theta(2:end).^2);

首先，我不得不说，这是我开始这门课程时做的最辛苦的练习。

1.3 Feedforward and cost function

Neural Networks Representation

1.3 Vectorizing Logistic Regression

All right, I already used the Vectorized approach and without any loops last exercise.