m0_63951116的博客

问题：您将使用一元线性回归来预测食品车的利润。假设你是一家特许餐厅的首席执行官，正在考虑在不同的城市开设一家新的分店。该连锁店已经在不同的城市有卡车，你有这些城市的利润和人口数据。您希望使用这些数据来帮助您选择下一个要扩展到的城市。文件ex1data1.txt包含我们的线性回归问题的数据集。第一栏是一个城市的人口，第二栏是那个城市的餐车利润。利润的负值表示亏损。需要把ex1data1.txt放在目录文件下我们用三种方法解决这个问题，且三种方法算出来的值一致，对我想要预测的值23，预测结果都是23.5439

在分类问题中使用线性回归并不是一种好的解决方法，通常我们使用逻辑回归解决分类问题（Softmax回归也经常被用来解决分类问题）我们把逻辑回归视为一种分类算法，尽管它的名字里含有回归两字，这只是由于历史原因被赋予这个名字，但是它实际上是一种分类算法逻辑回归模型 hθ(x)h_\theta(x)hθ​(x)，对于分类问题，我们需要输出0或1，所以我们可以进行以下预测：当hθ(x)>0.5h_\theta(x)>0.5hθ​(x)>0.5时，预测y=1y = 1y=1当hθ(x)...

多变量线性回归有多个特征值，所以在多变量线性回归里n代表特征值的个数x(i)x^{(i)}x(i)代表第i个训练样本的输入特征向量，是一个n维的列向量（在单变量线性回归中x(i)x^{(i)}x(i)代表一个特征值）xj(i)x^{(i)}_jxj(i)​代表第i个训练样本中第j个特征量的值假设函数：hθ(x)=θ0+θ1x1+θ2x2+...θnxnh_\theta(x) = \theta_0 + \theta_1x_1 + \theta_2x_2 + ...\theta_nx_nhθ​(x)=θ0​+θ

文章目录第二章 单变量线性回归（Univariate Linear Regression）1 模型表示（model representation）2 代价函数（cost function）3 梯度下降（gradient decent）4 梯度下降与代价函数相结合梯度下降弊端凸函数（convex function）后言第二章 单变量线性回归（Univariate Linear Regression）1 模型表示（model repre.

第一章 引言（introduction）1 什么是机器学习（Machine Learning）Tom Mitchell对机器学习的定义为：计算机程序从经验E中学习，解决某一任务T，进行某一性能度量P，通过P测定在T上的表现因经验E而提高有一点点稍微那么的不好理解，我对机器学习的定义是：计算机通过学习算法从大量的数据中进行学习，从而对数据有了判断好坏，或者是分类的能力。让机器模仿人的大脑去学习目前有各种不同类型的学习算法，有监督学习、无监督学习、半监督学习、强化学习和推荐系统，但最主要的也是最常用的两