主要内容来自stanford Andrew Ng视频课程的总结。讲的很好,还有对应的习题,课程可以在下面网站搜索到。
https://www.coursera.org/
机器学习的目的是在训练数据的基础上得出一个模型,该模型对于给定的输入x,给出相应的输出y。用公式表示就是:y = h(x)。注意x表示一维向量,x={x1,x2,x3...}。这里的xi也就是特征(feature),h就是模型。
若输出y是连续值,则是回归预测问题。若y是离散值,则是分类问题。如果给定的训练数据是(输入-输出)对的形式,也就是明确指出某个输入x,其对应的输出是何值,这种输入有监督学习。若训练数据中只包含x,没有输出y,则是无监督学习。
线性回归:
输入和输出是一次对应关系。直观的说:二维空