吴恩达机器学习重点记录

吴恩达机器学习重点记录

---

---

---

监督学习

监督学习的基本思想是，我们数据集中的每个样本都有相应的“正确答案”。再根据这些样本作出预测，就像房子和肿瘤的例子中做的那样。我们还介绍了回归问题，即通过回归来推出一个连续的输出，之后我们介绍了分类问题，其目标是推出一组离散的结果。

无监督学习

我们介绍了无监督学习，它是学习策略，交给算法大量的数据，并让算法为我们从数据中找出某种结构。

单变量线性回归

模型表示

以之前的房屋交易问题为例，假使我们回归问题的训练集（Training Set）如下表所示：

我们将要用来描述这个回归问题的标记如下:

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

(x⁽ⁱ⁾ , y⁽ⁱ⁾) 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）

这就是一个监督学习算法的工作方式，我们可以看到这里有我们的训练集里房屋的价格，我们把它喂给我们的学习算法，然后输出一个函数，通常用小写 h 表示。h 代表hypothesis(假设)，h表示一个函数，输入是房屋尺寸大小，就像你朋友想出售的房屋，因此 h 根据输入的 x 值来得出 y 值，y 值对应房子的价格。因此，h 是一个从 x 到 y 的函数映射。

一种可能的表达方式为：h_x=θ₀+θ₁x，因为只含有哦一个特征/输入变量，因此这样的问题叫做单变量线性回归问题。