Supervised learning: 人主导的机器学习。
Unsupervised learning: 机器自主的学习。
Notation
m: Number of training examples
x: “intput” / features
y: “output” variable / “target” variable
(x, y): one training example
(y(i), y(i)): ith training example
Hypothesis: maps from x to y.
Cost Function
如何衡量问题的最优解？通过样本点偏移的平方和，最小值为最优。
Simplified（一个参数的问题）
hθ(x) VS j(θ1)
问题解函数，偏移差函数
多参数偏移差函数
Gradient Descent（梯度下降）
使用梯度下降求最优解。
使用微分（斜率），不断靠近最优解。
系数α选取，不可太大，也不可太小。
梯度下降与线性方程的结合
总结：
根据样本数据，以及θ0、θ1参数的变化，可以得到一个曲面(bowl-shape) j(θ0、θ1)，得到曲面后，再【反向求解】根据梯度下降得到最优解。
Reference
- machine-learning