Coursera Machine Learning 学习笔记(四)



II. Linear Regression with One Variable (Week 1)

- Model representation

       以之前预测房价的问题为例,假设我们回归问题的训练集(Training Set)如下所示:

       技术分享

       我们用如下符号来描述回归问题中的量:

       - m 代表训练集中实例的数量

       - x 代表特征/输入变量

       - y 代表目标变量/输出变量

       - (x,y) 代表训练集中的实例

       - 技术分享 代表第i个观察实例

       - h 代表学习算法的解决方案或函数,也称为假设(hypothesis)

       因此,要解决预测房价的问题,这个过程如下所示:

       技术分享

       我们实际上是将训练集给我们的学习算法,进而学习得到一个假设h。之后,我们将所要预测的房价的房屋尺寸作为输入变量给h,进而预测出房价作为输出变量来作为结果。

       其中,对于房价预测问题中的假设h应该如何表达呢?

       一种可能的表达方式为:技术分享

       同时,由于问题中只包含一个特征/输入变量,因此这样的问题被叫做单变量线性回归问题。


郑重声明:本站内容如果来自互联网及其他传播媒体,其版权均属原媒体及文章作者所有。转载目的在于传递更多信息及用于网络分享,并不代表本站赞同其观点和对其真实性负责,也不构成任何其他建议。