Stanford機器學習-Linear Regressioon with One Variable(1)
阿新 • • 發佈:2018-12-23
模型代表(Model representatino)
之前大體上學習了關於機器學習的一些總體的內容,接下來開始學習有關機器學習一些經典的演算法,第一個學習的是:迴歸演算法。
下面我們還用房屋價格的例子來學習:
座標圖中橫軸表示的是房屋的面積大小,縱座標表示的是價格,座標圖中已經描出了一系列的點,也就是我們現有的真實的資料。我們現在要做的就是尋找一條合適的迴歸曲線,使得可以更好的擬合現有的資料。如圖所示,現在畫出了一條粉色的直線和一條藍色的曲線,此時給定一定的房屋面積來預測相應的價格,得出的結果是不同的,但那個更加接近真實的情況,還不清楚。
這就是一個有監督的學習
下面我們用房屋的價格做我們的訓練集,如下所示:
其中的符號意義如下:
具體的資料表示如藍色部分所寫,在學習之前我們就需要搞清楚符號所代表的東西。那麼我們是通過訓練集如何得到一個預測的輸出呢?如下:
我們把準備好的訓練集投給我們的學習演算法,結果便得到一個函式,記為h,即假設(hypothesis),我們將輸入資料(房屋的面積)帶入函式便可以得到想要的輸出(價格)。我們該如何來表達h呢?一種表達方式為