Machine Learning
定義
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. 對(duì)于某類(lèi)任務(wù)T和性能度量P宣虾，如果一個(gè)計(jì)算機(jī)程序在T上以P衡量的性能隨著經(jīng)驗(yàn)E而自我完善喇伯，那么我們稱(chēng)這個(gè)計(jì)算機(jī)程序在從經(jīng)驗(yàn)E中學(xué)習(xí)吕嘀。
案例
E就是自己給自己玩跳棋
T就是玩跳棋的任務(wù)
P 就是和新對(duì)手開(kāi)戰(zhàn)的贏的幾率
分類(lèi)
監(jiān)督學(xué)習(xí)
Supervised Learning:
Right answers given（訓(xùn)練集）
回歸：Regression (continuous?預(yù)測(cè)輸出無(wú)限集)
分類(lèi)：Classification (discrete?預(yù)測(cè)輸出有限集)
無(wú)監(jiān)督學(xué)習(xí)
Unsupervised Learning:
只給出數(shù)據(jù)集——need to be cluster and discovered
線性回歸
單變量線性回歸
預(yù)測(cè)房?jī)r(jià)的例子，腫瘤的例子捆昏。
一些常用符號(hào)約定
單變量線性回歸 表達(dá)式
h(x) = θ0 + θ1*x? ?(感覺(jué)類(lèi)似 y = kx+b )
線性回歸：linear regression
代價(jià)函數(shù)(cost function)
如 h(x) = θ0 + θ1*x , 如何確定?θ0 和?θ1這兩個(gè)是參數(shù)
調(diào)節(jié)這兩個(gè)參數(shù) 用于更好的擬合數(shù)據(jù)
問(wèn)題變成了? ==> 怎么 找出這兩個(gè)最 好 的參數(shù)值
##平均方差的一半 (一半是經(jīng)驗(yàn)之談哈)
