机器学习第一周 --------模型表示(Model Representation)
2018-02-19 16:19
155 查看
我们用x(i) 来表示输入的变量,y(i)表示输出变量或者说是我们试图预测的值。一组(x(i),y(i))表示一组训练数据。
m组训练数据成为一组数据集,m称为训练集。
下面较为正式的描述监督学习问题(supervised learning):我们的目标是给出训练集,通过学习出一个函数 h:X--->Y,于是函数h(x)就是一个较为不错的预测器,用来预测相应的Y,我们通常称函数h为 假设(hypothesis)。
用图表示训练方法如下
当目标数据是连续的时,我们称该问题为回归问题,否则称分类问题。
m组训练数据成为一组数据集,m称为训练集。
下面较为正式的描述监督学习问题(supervised learning):我们的目标是给出训练集,通过学习出一个函数 h:X--->Y,于是函数h(x)就是一个较为不错的预测器,用来预测相应的Y,我们通常称函数h为 假设(hypothesis)。
用图表示训练方法如下
当目标数据是连续的时,我们称该问题为回归问题,否则称分类问题。
相关文章推荐
- 《机器学习》第一周 一元回归法 | 模型和代价函数,梯度下降
- 机器学习笔记(三)线性模型
- 干货 | 机器学习集成算法:XGBoost模型构造
- 机器学习中的模型评估和参数调优
- 机器学习与R之回归树CART与模型树M5
- 机器学习笔记2——模型评估与选择(一)
- 机器学习(五):w·x+b模型(2)
- cips2016+学习笔记︱简述常见的语言表示模型(词嵌入、句表示、篇章表示)
- 机器学习之支持向量机SVM Support Vector Machine (二) 非线性SVM模型与核函数
- 寻找合适的机器学习模型
- 机器学习之Validation(验证,模型选择)
- 机器学习入门,神经元模型
- Hulu机器学习问题与解答系列 | 第一弹:模型评估
- 机器学习——如何评价回归模型
- 在实际项目中,如何选择合适的机器学习模型?
- 用机器学习构建模型,进行信用卡反欺诈预测
- 机器学习——模型评估与选择一
- 机器学习中的数学(3)-模型组合(Mod…
- 机器学习-Python中训练模型的保存和再使用
- 机器学习模型选择与验证