Coursera Machine Learning 学习笔记（四）



II. Linear Regression with One Variable (Week 1)

- Model representation

       以之前预测房价的问题为例，假设我们回归问题的训练集（Training Set）如下所示：

      

       我们用如下符号来描述回归问题中的量：

       - m 代表训练集中实例的数量

       - x 代表特征/输入变量

       - y 代表目标变量/输出变量

       - (x,y) 代表训练集中的实例

       -  代表第i个观察实例

       - h 代表学习算法的解决方案或函数，也称为假设（hypothesis）

       因此，要解决预测房价的问题，这个过程如下所示：

      

       我们实际上是将训练集给我们的学习算法，进而学习得到一个假设h。之后，我们将所要预测的房价的房屋尺寸作为输入变量给h，进而预测出房价作为输出变量来作为结果。

       其中，对于房价预测问题中的假设h应该如何表达呢？

       一种可能的表达方式为：

       同时，由于问题中只包含一个特征/输入变量，因此这样的问题被叫做单变量线性回归问题。