1.什么是机器学习
较陈旧的定义:在没有明确设置的情况下,使计算机具有学习能力的研究领域
较新的定义:计算机程序从经验E中学习,解决某一任务T进行某一性能度量P,通过P测定在T上的表现因经验E而提高
监督学习 | 我们教计算机做某件事情 |
无监督学习 | 我们让计算机自己学习 |
强化学习 | Others |
推荐系统 |
2.监督学习
定义:利用一组已知类别的样本调整分类器的参数,使其达到所要求性能的过程。
流程:
(1)分类算法(预测离散值输出)
(2)回归算法(预测连续值输出)
3.无监督学
定义:是一种学习机制,你给算法大量的相同标记或无标记的数据,要求它找出数据中的类型结 构。
典型: 聚类算法
4.代价函数(cost function)(平方误差函数)
平方误差函数是解决回归问题最常用的手段。
关于θ0和θ1对于函数J(θ0,θ1)求最小值(m为训练样本数量)
- 简化假设函数hθ(x) = θ1x
- 设θ1为z,带入hθ(x) = θ1x,画出斜率直线
- 求代价函数J(z)的值,并绘制于J(z)的坐标系
- 当θ1取z(i)时,得到代价函数最小值J(z(i))min