【吴恩达机器学习】学习笔记——2.1单变量线性回归算法
2018-02-18 20:55
204 查看
1 回顾
1.1 监督学习
定义：给定正确答案的机器学习算法
分类：
（1）回归算法：预测连续值的输出，如房价的预测
（2）分类算法：离散值的输出，如判断患病是否为某种癌症
1.2 非监督学习
定义：不给定数据的信息的情况下，分析数据之间的关系。
聚类算法：将数据集中属性相似的数据点划分为一类。
2 单变量线性回归算法
2.1 符号定义
m = 训练样本的数量
x = 输入变量
y = 输出变量
2.2 工作方式
训练集通过学习算法生成线性回归函数hypothesis hθ(x) = θ0 + θ1x
1.1 监督学习
定义：给定正确答案的机器学习算法
分类：
（1）回归算法：预测连续值的输出，如房价的预测
（2）分类算法：离散值的输出，如判断患病是否为某种癌症
1.2 非监督学习
定义：不给定数据的信息的情况下，分析数据之间的关系。
聚类算法：将数据集中属性相似的数据点划分为一类。
2 单变量线性回归算法
2.1 符号定义
m = 训练样本的数量
x = 输入变量
y = 输出变量
2.2 工作方式
训练集通过学习算法生成线性回归函数hypothesis hθ(x) = θ0 + θ1x
内容来自用户分享和网络整理，不保证内容的准确性，如有侵权内容，可联系管理员处理 
相关文章推荐
- 吴恩达机器学习 学习笔记 之 四 多变量线性回归
- 【吴恩达机器学习】学习笔记——梯度下降
- 吴恩达机器学习--单变量线性回归【学习笔记】
- 【吴恩达机器学习】学习笔记——2.7第一个学习算法=线性回归+梯度下降
- Coursera吴恩达机器学习课程 总结笔记及作业代码——第4周神经网络
- 机器学习笔记2（吴恩达）
- 干货|机器学习零基础？不要怕，吴恩达机器学习课程笔记2-多元线性回归
- 机器学习实战笔记(四)：Logist线性回归算法的Python实现
- 吴恩达机器学习 学习笔记 之 三 线性代数基础
- Coursera吴恩达机器学习课程 总结笔记及作业代码——第3周逻辑回归
- 机器学习笔记--吴恩达机器学习课程2 - 4
- 【吴恩达机器学习】学习笔记——代价函数
- 斯坦福机器学习公开课笔记(一)--单变量线性回归
- 吴恩达机器学习 学习笔记 之 五 Octave 学习
- 机器学习笔记--吴恩达机器学习课程2 - 6
- 吴恩达机器学习 学习笔记 之 二 ：代价函数和梯度下降算法
- 【吴恩达机器学习】学习笔记——1.3机器学习的定义
- 吴恩达神经网络和深度学习课程自学笔记（八）之机器学习策略
- 斯坦福机器学习公开课笔记(二)--多变量线性回归
- 【吴恩达机器学习】学习笔记——1.5无监督学习