机器学习——Day1

0.什么是机器学习

机器学习（machine learning）是目前信息技术中最激动人心的方向之一，通过学习机器学习我们可以深入了解人类的本质（复读机？？）——人类学习的过程，可以在一定程度上帮助我们了解学习的机制，提升我们日常工作的效率.
机器学习的本质是通过不断学习大量知识求解一个具体问题，而这个大量的知识我们称之为训练集，再通过验证集进行评估学习（模型）的好坏，这类似于我们学习数学一样，在考试前疯狂的做题目进行训练，再通过考试验证自己是否掌握了这些知识。

1.线性回归

以房价数据为例

size	price
100	100000
200	240000
300	300000

影响房价的因素我们称之为特征（feature）
而房价我们称之为标签（target）
简化的房价求解方程如下：
$$f(x)={\theta }_0+{\theta }_1\ast x$$

代价函数（cost function）又称损失函数，用于评价模型的好坏，用于计算feature
常见的代价函数有最小二乘

1.1最小二乘

真实值y，误差值$h_{\theta }(x)$,则误差为$(y-h_{\theta }(x){)}^2$
$$\Gamma ({\theta }_0,{\theta }_1)=\frac{1}{2m}\sum _{i=1}^m(y^i-h_{\theta }(x^i){)}^2$$
使该函数最小
相关系数
我们使用相关系数去衡量线性相关性的强弱
r x y = ∑ （ x i − x