机器学习-2 模型表示

机器学习中，首先遇到的概念就是模型（Model），模型有一个入口一个出口，x ⁽ⁱ⁾ 表示输入变量或者输入特征，y ⁽ⁱ⁾ 表示输出或想要预测的目标变量，一组

(x⁽ⁱ⁾, y⁽ⁱ⁾) 被成为一个训练样本（training example），所有被使用的用于训练模型的数据集(x⁽ⁱ⁾, y⁽ⁱ⁾)  （i=1,2,3,..., m）被称为一个训练集或训练样本集（training set），其中，i只是表示一个个训练样本的索引，并不是变量的幂次方求解。同时，我们使用大写 X 代表输入值空间， 大写 Y 代表输入值空间，也就是X=Y=R。

从而，可以对监督学习进行稍微正式一些的描述，目标：给定一个训练集，通过这个训练集获得一个函数h (X->Y) 因此 h(x) 就是为了预测输出 y 的一个预测器（也就是一个模型），其中，h 代表hypothesis  上述处理过程可以表示成一下形式： 

          当输出的 y 是连续值的时候，例如，房价的预测，就称为回归问题，而当输出的 y 值是确定的几个离散值的时候，例如房价是跌还是降，就称为分类问题。   

欢迎大家关注：数据之下 微信公众号，系统性的分享机器学习、深度学习等方面的知识，不做碎片化学习的牺牲者，要做利用好碎片化时间的受益者。