机器学习第一章复习（1）

本文用于复习《Machine Learning》第一章部分内容

内容来自于Andrew Ng的机器学习课程，主要是为了回忆起来方便

第一章前三讲主要讲解的是一些概念的区分，以理解的方式了解不同的分类方法和问题

---

• supervised learning

  这里supervised learning是指，给算法一个数据集合，利用算法即可得到实际结果，例如一个特定的值（平均房价1万/平方米），例如一个特定判断（整个病症不是癌症）

  supervised learning包含两种问题：

1. regression problem： 对于连续值进行预测，例如房价等
2. classification problem： 对于离散值进行预测，例如判断是否，或是多种结果

• unsupervised learning

  这里unsupervised learning是指，给算法一个无区分标签的一组数据（在使用数据之前不知道数据分组），利用算法得到几个区分群，例如从一堆新闻中划分出关于同一个故事的

• linear regression

  由上易知，linear regression即是回归问题的线性处理方式。例如给出基本参数：

1. m： 数据的组数，训练房屋的数量
2. x： 输入变量，特征值，房屋的面积
3. y： 输出变量，结果值，房屋的价格
4. （x,y）： 一个训练样本，某一个房屋的面积对应的房屋价格

线性回归所要处理的即是：
（1）得到数据集x
（2）得到需要运用的算法为线性回归算法
（3）利用房屋面积x和房屋的价格y建立预测关系h（hypothesis），得到h（x）=b+ax