【1】異常檢測
【2】高斯分布
【3】高斯分布
【4】 異常檢測
【5】特征選擇
【6】
【7】多變量高斯分布
Answer: ACD
B 錯誤。需要矩陣Σ可逆，則要求m>n
測驗1
Answer：AB
Answer： A
p(x) < ε ，漏掉的比較多，說明應該增大ε
Answer：A
x1 應該接近 x2。 增加 x1/x2 這個feature 可以顯示異常
Answer： BD
A 錯誤。訓練的時候需要標記哪些是異常。
C 錯誤。如果有大量數據，表現應該沒有SVM好（?）
Answer：A
中心點在 -3。 δ大概為2， 方差δ2為4
【1】推薦系統
Answer：C
注意括號里第一個 i 是電影，第二個 j 是人。 所以對應左下角那個問好
【2】
Answer：D
對應第三個用戶，看第三列。 使得 θ(3) x = Carol(3)這列的值。
【3】協同過濾
【4】協同過濾算法
【5】低秩矩陣
【6】均值歸一化
測驗二
Answer：AC 注意減號后面是y(i,j)。
Answer：CD
Answer：AD
協同過濾算法的要求是特征量和數據比較多。
A 正確。 您運行在線書店並收集許多用戶的評分，你想用這個來確定哪些書是彼此“相似”的。特征量很多，協同過濾。
B 錯誤。你是一位藝術家，為你的客戶提供手繪肖像畫。每個客戶都會獲得不同的肖像並為您提供1-5星評級反饋，每位客戶至多購買1張肖像。您想預測下一位客戶給您的評分。用邏輯回歸更好？
C 錯誤。 您管理在線書店，並擁有來自許多用戶的圖書評分。你想要學習預測預期銷售量（出售書籍的數量）作為書籍平均評分的函數。用線性回歸更好。
D 正確。你擁有一家銷售多種風格和品牌牛仔褲的服裝店。您已經收集了來自經常購物者的不同款式和品牌的評論，並且您希望使用這些評論為您認為他們最有可能購買的牛仔褲提供這些購物者折扣。特征量很多，協同過濾。
Answer：B
要想將三個樣本歸為一類，類似於前面線性回歸、邏輯回歸等提到的方法，需要對每個類進行特征縮放后方能總體歸為一類。
Answer：BD
可以使用其他高級算法
Answer：AB
Answer：AB