机器学习笔记 | Model and Cost Function（模型表示和代价函数）

1、模型表示

监督学习是对于每个数据，给出了正确的答案。对于上面房价预测列子来说，根据我们给的数据，房子的实际价格是多少。预测出的是一个准确的输出值。

 

监督学习中，数据集被称为训练集。

m ：表示训练样本的数量

x ：表示输入变量，也被称为特征值

y ：表示输出变量或目标变量

(x,y) ：表示一个训练样本，为了表示某个训练样本，可使用x(i)和y(i)具体表示，其中i是上标，表示第i个训练样本。

监督学习问题：

我们的目标是，给定一个训练集，学习函数h : X → Y，h(x)是对应于y值的一个好的预测。

h ：代表hypothesis（假设），表示一个函数，h根据输入的x值得出y值。因此h是一个从x到y的函数映射。

hθ(x)=θ₀+θ₁x   (y关于x的线性函数)，hθ(x)可简写为h(x)。

当我们试图预测的目标变量是连续的时（列如给定居住面积，预测房屋的价格），称该学习问题为回归问题。当y只能取少量离散值时（列如给定居住面积，预测是住宅还是公寓），称之为分类问题。