一、算法
監督學習：給出一個算法，需要部分數據集已經有正確答案。比如給出給定房價數據集，對於裏面每個數據，算法都能計算出對應的正確房價。算法的結果就是短處更多的正確價格
問題分類
迴歸問題:預測輸出是連續值，比如說價格
解決迴歸問題常用方法：
假設函數擬合樣本集, 假設函數的參數帶入代價函數使代價函數最小，假設函數就擬合的最好
分類問題:離散值輸出，有時可以不止兩個特徵，甚至無窮個特徵
非監督學習:無監督學習不知道預測主體，它是在一堆堆數據中不斷挖掘並尋找數據之間的關係，而不是通過選取自變量預測因變量
非監督學習的算法: 聚類算法
梯度下降法:
參考鏈接: https://www.cnblogs.com/ooon/p/4947688.html (參考網上詳盡的解釋)