摘要：
在这节，我们将定义代价函数的概念，这有助于我们弄清楚怎么样将最有可能的直线与数据相拟合。 下面我们看一个例子。 在线性回归中，我们有这样一个训练集。根据上一节的定义，我们知道m=47，而我们的假设函数的函数形式为 hθ(x)=θ0+θ1x。这些θi被称为模型参数。而我们要做的就是如何选择这两个参数值 阅读全文
摘要：
我们第一个学习算法是线性回归算法，在这节中，你会看到这个算法的概况，更重要的是你会了解整个监督学习过程。 下面我们来举一个例子，我们要根据不同房屋尺寸所售出的价格，画出我的数据集。 比方说，如果你朋友的房子是1250平方尺大小，你要告诉他这房子能卖多少钱。那么，你可以做的一件事就是构建一个模型，也许 阅读全文
摘要：
本篇主要内容：无监督学习。 （2）无监督学习 在监督学习的时候，我们举的例子里，数据集中每条数据都标明是阴性或者是阳性。 在无监督学习中，我们所给出的数据都是没有任何标签的或者是都是有着相同标签的。 在这时，我们得到了一个数据集，但是我们并不知道要拿它来做什么，也不知道每个数据点究竟是什么。我们只是 阅读全文