【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
= 一个训练样本
= 第个样本,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。