这一节讲的是如何将线性不可分的情况转为非线性可分以及转换的代价。特征转换是机器学习的重点。
最后得出重要的结论是，在做转换时，先从简单模型，再到复杂模型。
参考：http://www.cnblogs.com/ymingjingr/p/4340977.html
相关文章
- Coursera吴恩达机器学习课程 总结笔记及作业代码——第1,2周
- 【原】Coursera—Andrew Ng机器学习—课程笔记 Lecture 10—Advice for applying machine learning 机器学习应用建议
- Coursera台大机器学习基础课程1
- Coursera台大机器学习课程笔记7 -- Noise and Error
- Coursera台大机器学习基础课程学习笔记1 -- 机器学习定义及PLA算法
- Coursera台大机器学习技法课程笔记15-Matrix Factorization
- Coursera台大机器学习课程笔记10 -- Linear Models for Classification
- Coursera台大机器学习课程笔记5 -- Theory of Generalization
- Coursera台大机器学习课程笔记11 -- Nonlinear Transformation
- Coursera台大机器学习课程笔记15 -- Three Learning Principles