【第一周】Coursera机器学习01-线性回归模型Model Representation

问题引入

你有一个朋友要卖掉他1250平方尺大小的房子，你要告诉他这房子能卖多少钱。
你能做些什么呢 ?
通过一个包含某市的住房价格的数据集，构建一个模型（可能是条直线或某曲线），通过这个模型估计出房子价格。

简要分析

这是监督学习Supervised Learning中的回归问题Regression Problem.（监督：给定的样本中，每个例子都有一个正确答案right answer，回归：根据之前的数据预测出一个准确的输出值，PS：还有一种最常见的监督学习方式是分类Classification Problem，即0/1离散输出问题，例如肿瘤的良性/恶性判断）

符号说明

m = 训练样本的数量
x = 输入的特征
y = 输出变量/结果
$(x,y)$(x,y) = 一个训练样本
$(x^{i},y^{i})$(xi,yi) = 第$i$i个样本,$i$i是索引，指的是第i个x的取值与第i个y的取值。

问题初探

目前有一个数据集，把数据集喂给学习算法，得到预测函数h，函数h会根据输入房子大小x可以得出房子的预估价格y，h是一个从x到y的函数映射。