超级会员免费看
本文介绍了斯坦福大学机器学习课程中的单变量线性回归模型，通过一个预测住房价格的例子展示了监督学习的过程。利用训练数据集，学习算法输出一个线性函数（hypothesis），用于预测房屋价格。线性回归的目标是找到最佳的直线拟合数据，成本函数（Cost Function）被用来评估模型的准确性，通过梯度下降法（Gradient Descent）来最小化成本，从而优化参数。
2-1 （model representation）模型代表
（Our first learning algorithm will be linear regression.）我们第一个学习算法将是线性回归。（In this lecture, you'll see what the model looks like and more importantly you'll see what the overall process of supervised learning looks like.）在这节课，你将会看到模型将会是什么样子，并且重要的是你将会看到监督学习的整个过程。
（Let's use some motivating example of predicting housing prices.）让我们使用一些激励的例子预测住房价格上涨。（We're going to use a data set of housing prices from the city of Portland, Oregon.）我们将使用来自俄勒冈州波特兰市的住房价格数据集。（And here I'm gonna plot my data set of a numb
订阅专栏 解锁全文
扫一扫
1958
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
