Supervised learning: 人主导的机器学习。
Unsupervised learning: 机器自主的学习。
Notation
m: Number of training examples
x: “intput” / features
y: “output” variable / “target” variable
(x, y): one training example
(y(i), y(i)): ith training example
Hypothesis: maps from x to y.
Cost Function
如何衡量问题的最优解?通过样本点偏移的平方和,最小值为最优。
Simplified(一个参数的问题)
hθ(x) VS j(θ1)
问题解函数,偏移差函数
多参数偏移差函数
Gradient Descent(梯度下降)
使用梯度下降求最优解。
使用微分(斜率),不断靠近最优解。
系数α选取,不可太大,也不可太小。
梯度下降与线性方程的结合
总结:
根据样本数据,以及θ0、θ1参数的变化,可以得到一个曲面(bowl-shape) j(θ0、θ1),得到曲面后,再【反向求解】根据梯度下降得到最优解。