【深度之眼】吴恩达《机器学习》作业——week1线性回归

线性回归

在下面的房价预测问题中，我们需要拟合一条直线，根据房屋的大小来预测房价。

这是一个监督学习的问题，因为我们的数据中有标签也就是房价，同样这还是一个回归问题，因为预测变量 y （也就是我们的房价）是连续的实数。

下面我们定义一些常用的符号

m 表示我们训练样本的数量，也就是我们有多少条数据。
x 表示我们的输入变量或者说特征
y 表示我们的输出变量或者说标签

我们使用（x,y）表示一个训练样本，$（x^{(i)},y^{(i)}）$来表示第i个训练样本。

下面是机器学习的一般流程：

我们使用训练集学习我们的机器学习模型，在这里我们需要学习一个线性函数h，这个函数h能通过房屋的大小来计算房屋的价格。

这样我们的线性函数可以写成 $h_{\theta }(x)={\theta }_0+{\theta }_{1}x$,这里的${\theta }_0,{\theta }_1$是我们要学习的参数。这样子的模型被成为线性回归。