监督学习应用：梯度下降——斯坦福cs229个人学习笔记（二）

**

监督学习应用：梯度下降——斯坦福cs229个人学习笔记（二）

**
讲了三个关于监督学习的例子，分别是线性回归，梯度下降和正规方程组。

课中需要用到的一些符号：

1. m，表示训练样本的数目
2. x , 表示输入变量，即特征feature
3. y , 表示输出变量，也称作目标变量
4. （x , y），表示一个样本；（xi,yi）表示第i个训练样本。

监督学习的一般流程：

如下图所示，先找到一个训练集合（training set），然后提供学习算法（learning algorithm），接着根据学习算法会生成一个输出函数h（hypothesis），这个假设的任务，就是接收输入数据，并且输出数据，即h是反映输入数据x对输出数据y的映射。

---

为了设计学习算法，我们第一步要做的是，决定怎样表示假设h。

线性回归