本文内容是 deep_learning.ai 微专业的第三门 《构建机器学习项目》第一周的课程。

这门课的内容与如何更快速高效地优化机器学习系统有关。

在这个练习中，我们将实现逻辑回归算法，并将它应用到两个不同的数据集中。

正则化是解决过拟合问题的一种有效手段。

在线性回归中我们需要预测的是连续的值，而在逻辑回归中我们需要预测的是离散值。虽然该算法中有“回归”二字，但是做的是分类的问题。

单变量线性回归

在这部分的练习中，你将使用单变量的线性回归来预测食品卡车的利润。假设你是a公司的CEO并正在考虑在不同的城市开设一家连锁餐厅。该连锁店已经在多个城市拥有卡车，并且你拥有有关城市的人口和利润的数据。
你可以使用这些数据来帮助你选择接下来在那个城市发展。

本篇介绍了有关在多特征的情况下如何使用线性回归，以及一些相关的技巧。

机器学习中一种经典的算法