機器學習筆記-2(單變量線性回歸)

这是课程的第二章内容,主要说的是单变量线性回归。

在这里线性回归用来对数据输入进行预测。课程里面说的是也一个非常经典的例子,就是房价预测。

这里的房价预测属于监管学习两大分支中的回归问题,给出training set,然后构造并归纳出具体的方程,然后对某个具体输入,进行输出。

线性回归算法,具体涉及到几个点,下面,咱会按照自己的理解进行大概的解释:Training set(训练数据),Hypothesis function(预测函数),cost function(成本函数),Gradient Descent(梯度下降法)。

Training set顾名思义也就是所谓的训练数据集,这也是监管学习的主要特点,那就是要给这种类型的机器学习算法Feed数据(人为标注),一般来说,数据集越大,喂得越多,机器进过学习后得到的信息就会更精准,更强大。所以说,这种体系下,要人为对各种特征(数据)进行标注,确认。另一方面可以认为训练数据成就了这种类型的机器学习方法。 继续阅读“機器學習筆記-2(單變量線性回歸)”