UFLDL学习笔记系列 1

此为 斯坦福无监督特征学习和深度学习教程（ufldl）的学习笔记。

问题描述

我们的目标为从输入向量$x\in {\Re }^n$预测目标值$y$。
以预测房价为例，$y$代表房价，$x$表示描述房子的特征向量（比如其大小和房间的数目）。假设给定大量的样本，其中$x^{(i)}$代表第i个房子样本的特征，$y^{(i)}$代表第i个房子的价格。则我们的目标为找到一个函数$y=h(x)$，使得对每个训练样本都有$y\approx h(x)$。若这个函数$h(x)$拟合的足够好的话，那么当遇到新的样本$x$时，该函数能够很好的预测房价。

首先，我们使用线性函数来表示$h(x):h_{\theta }(x)={\sum }_j$