吴恩达机器学习课程笔记 P 2-1
杨凯kd 发布于2020-02 浏览:1634 回复:0
0
收藏

本次课程讲的是线性回归模型的模型概述。

线性回归属于监督学习的例子。给定的数据集中有关于房价的标注,如下表所示:

Size in feet²(x)(面积)

Price($)in 1000's(y)(价格)

2104 460
1416 232
1534 315
852 178
... ...

对此,我们便于以后课程的学习,约定以下符号:

m = Number of training examples(训练样本数量)

x = "input" variable / features(输入变量/特征)

y = "output" variable/ "target" varable(输出变量/特征变量)

(x, y) 表示一个训练样本

实现一个线性回归的步骤如下:

首先,将训练数据集送入我们的线性回归算法(Learning Algorithm)
然后,根据训练集训练我们算法中的参数
最后,得到假设函数 h(x) (hypothesis),由假设函数来预测我们的结果。步骤如下图所示:

对于单变量的线性回归,我们的假设函数可以表示如下:hθ(x) =  θ0 + θ1 x

收藏
点赞
0
个赞
TOP
切换版块