摘要：
我们通过成本函数来衡量我们预测的准确性。 通过平均差的方式得到： 这个函数被称为“平方误差函数”或“均方误差”。 下面的图就是成本函数： 阅读全文
摘要：
x(i)：输入的数据。 y(i):输出的数据。 (x(i),y(i))：一个训练实例。 (x(i),y(i)) i=1····m:训练集。 h(x)=y:监督学习中的预测关系。 阅读全文
摘要：
在无监督学习中，我们很少或者根本不知道结果是什么样子。我们可以根据数据中变量之间的关系对数据进行聚类，无监督学习没有基于预测结果的反馈。 例子： 聚类：收集1000000个不同的基因，并找到一种方法，自动将这些基因分成不同的变量组，如寿命、位置、角色等。非聚类：“鸡尾酒会算法”，让你在混乱的环境中找 阅读全文
摘要：
在监督学习中，我们有一些输入并且知道他们的正确输出，我们想知道这些输入和输出之间的联系。 监督学习分为回归和分类： 1.回归：输出结果为连续的值。 2.分类：输出结果为离散的点。 例子1： 回归：我们有一些数据关于房子大小和对应的价格。通过这些数据得到一个函数预测价格。 分类：判断我们售价是否高于实 阅读全文