Machine Learning

定义

A computer program is said to learn from experience E with respect to some class of tasks T and performance measure P, if its performance at tasks in T, as measured by P, improves with experience E. 对于某类任务T和性能度量P，如果一个计算机程序在T上以P衡量的性能随着经验E而自我完善，那么我们称这个计算机程序在从经验E中学习。

案例

E就是自己给自己玩跳棋

T就是玩跳棋的任务

P 就是和新对手开战的赢的几率

---

分类

监督学习

Supervised Learning:

Right answers given（训练集）

回归：Regression (continuous 预测输出无限集)

分类：Classification (discrete 预测输出有限集)

无监督学习

Unsupervised Learning:

只给出数据集——need to be cluster and discovered

---

线性回归

单变量线性回归

预测房价的例子，肿瘤的例子。

一些常用符号约定

单变量线性回归 表达式

h(x) = θ0 + θ1*x   (感觉类似 y = kx+b )

线性回归：linear regression

---

代价函数(cost function)

如 h(x) = θ0 + θ1*x , 如何确定 θ0 和 θ1这两个是参数

调节这两个参数 用于更好的拟合数据

问题变成了  ==> 怎么 找出这两个最 好 的参数值

##平均方差的一半 (一半是经验之谈哈)