是什么
是一种预测监督式学习的方法,它通常表现为如下形式
- 表现形式
h ( x ) = θ 0 + θ 1 ∗ x h(x)=\theta_0+\theta_1*x h(x)=θ0+θ1∗x
h ( x ) h(x) h(x)代表从x到y的映射函数, x x x代表输入, y y y代表输出。 - 对数据集进行简单的拟合,最简单的模型。表现形式为一次函数。比如
拓展
- 监督式学习
Supervised learning,是一个机器学习中的方法,可以由训练资料中学到或建立一个模式( learning model),并依此模式推测新的实例。训练资料是由输入物件(通常是向量)和预期输出所组成。函数的输出可以是一个连续的值(称为回归分析),或是预测一个分类标签(称作分类),上面的例子就是预测输出。 - 无监督式学习
Unsupervised Learning 是人工智能网络的一种算法(algorithm),其目的是去对原始资料进行分类,以便了解资料内部结构。有别于监督式学习网络,无监督式学习网络在学习时并不知道其分类结果是否正确,亦即没有受到监督式增强(告诉它何种学习是正确的)。其特点是仅对此种网络提供输入范例,而它会自动从这些范例中找出其潜在类别规则。当学习完毕并经测试后,也可以将之应用到新的案例上。