python实战学习之路

用模型表示结果
比如说，我有10万条数据，每个数据有100个特征，还有一个标签。标签的内容取决于学习的问题，如果数据是病人进行癌症诊断做的各项检查的结果，标签就是病人是否得癌症。是为1，不是为0.
模型就是一个数学表达式。最简单的一个模型就是线性模型，它长这个样子：y^i=∑_j θ_j*x_ij。用我们上面的例子讲，x_i就是我们10万条数据中的第i条，x_ij就是第i条数据中的第j个检查结果。y^{i就是模型对这条数据的预测结果，这个值越大，表明病人得癌症的概率也大。通常，我们还需将y}i处理成0到1的值，以更清晰地表明这是一个概率预测，处理的方法一般是用sigmoid函数，不熟悉的朋友可参考其他资料。θ_j就是第j个检查结果对病人是否得癌症的“贡献度”，它是我们模型的参数，也就是我们从10万条数据中学习到的知识。
总结：
x_ij:第i条数据中的第j个检查结果
θ_j:第j个检查结果对病人是否得癌症的“贡献度”
∑_j:对所有检查结果的每一小项贡献度进行求和

注：
1.Sigmoid函数是一个在生物学中常见的S型函数，也称为S型生长曲线。在信息科学中，由于其单增以及反函数单增等性质，Sigmoid函数常被用作神经网络的阈值函数，将变量映射到0,1之间。