機器學習第一章複習（1）

本文用於複習《Machine Learning》第一章部分內容

內容來自於Andrew Ng的機器學習課程，主要是爲了回憶起來方便

第一章前三講主要講解的是一些概念的區分，以理解的方式瞭解不同的分類方法和問題

---

• supervised learning

  這裏supervised learning是指，給算法一個數據集合，利用算法即可得到實際結果，例如一個特定的值（平均房價1萬/平方米），例如一個特定判斷（整個病症不是癌症）

  supervised learning包含兩種問題：

1. regression problem： 對於連續值進行預測，例如房價等
2. classification problem： 對於離散值進行預測，例如判斷是否，或是多種結果

• unsupervised learning

  這裏unsupervised learning是指，給算法一個無區分標籤的一組數據（在使用數據之前不知道數據分組），利用算法得到幾個區分羣，例如從一堆新聞中劃分出關於同一個故事的

• linear regression

  由上易知，linear regression即是迴歸問題的線性處理方式。例如給出基本參數：

1. m： 數據的組數，訓練房屋的數量
2. x： 輸入變量，特徵值，房屋的面積
3. y： 輸出變量，結果值，房屋的價格
4. （x,y）： 一個訓練樣本，某一個房屋的面積對應的房屋價格

線性迴歸所要處理的即是：
（1）得到數據集x
（2）得到需要運用的算法爲線性迴歸算法
（3）利用房屋面積x和房屋的價格y建立預測關係h（hypothesis），得到h（x）=b+ax