第一节 基础

1.监督学习：监督学习分为两大类回归问题和分类问题。由已有的数据训练模型函数，把新的输入数据带入模型函数，预测数据输出。函数的输出若为一个连续的值，则为回归问题；若是预测一个分类标签，则为分类问题。例：糖尿病

  无监督学习：聚类算法。根据特征把未知类别进行分类。例：新闻事件分类，细分市场。

2.代价函数：又叫损失函数。任何能够衡量模型预测出来的值h(θ)与真实值y之间的差异的函数都可以叫做代价函数，用于找到最优解的目的函数。

  对于回归问题，我们需要求出代价函数来求解最优解，常用的是平方误差代价函数。

  例如：对于下面的假设函数

  里面有θ0和θ1两个参数，参数的变化将会导致假设函数的变化。

我们想要解决回归问题，就需要将这些点拟合成一条直线，找出最优θ0和θ1。

 

如何找到最优解，这就需要需要使用代价函数来求解。以平方误差代价函数为例。

假设函数为：