01--有监督的学习

有监督的学习：

让我们开始讨论几个有监督的学习的问题。假设我们有47个Portland.Oregon地区的房子的面积及其价格的数据。

我们可以描出这些数据：

 

从这些给出的数据，我们怎样预测Portland.地区其他的房屋价格，也是就希望得到一个函数以房屋面积为自变量，从而得的预测的房屋价格。

 

我们建立我们以后要使用的符号，我们将使用表示输入变量（这个例子中的房屋面积），也叫输入特征，表示输出变量或者目标变量，就是我们要试图预测的价格。一对（，）叫做一个训练样例，我们将使用这些数据进行学习的—一列m个训练样例组成的，称作一个训练集。注意到这记号的上标“（i）”

仅是它在训练集中的索引，不是求它的乘幂。我们也将使用X表示输入值的集合，Y表示输出值的集合。这个例子中，X=Y=R。

 

为了稍微形式化的描述有监督的学习问题，我们的目标是，从一个给定的训练集中学习到一个函数h:XY，使得这h(x)是一个和真实的y比较吻合的预测。由于历史原因，这函数h叫做一个假设。这过程被描绘如下图：

 

当我们要预测的目标变量是连续的，正如我们房屋例子，我们称这学习问题是规划问题。当这y只能取几个离散值（比如，从给定的房屋面积预测这房子是住宅还是公寓。）的时候，我们称它是一个分类问题。