吴恩达机器学习学习笔记——2.1单变量线性回归算法

Posted JJJanepp

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了吴恩达机器学习学习笔记——2.1单变量线性回归算法相关的知识,希望对你有一定的参考价值。

1 回顾
1.1 监督学习
定义:给定正确答案的机器学习算法
分类:
(1)回归算法:预测连续值的输出,如房价的预测
(2)分类算法:离散值的输出,如判断患病是否为某种癌症
1.2 非监督学习
定义:不给定数据的信息的情况下,分析数据之间的关系。
聚类算法:将数据集中属性相似的数据点划分为一类。

2 单变量线性回归算法
2.1 符号定义
m = 训练样本的数量
x = 输入变量
y = 输出变量
2.2 工作方式
训练集通过学习算法生成线性回归函数hypothesis  hθ(x) = θ0 + θ1x

以上是关于吴恩达机器学习学习笔记——2.1单变量线性回归算法的主要内容,如果未能解决你的问题,请参考以下文章

机器学习|多变量线性回归 | 吴恩达学习笔记

吴恩达机器学习学习笔记——代价函数

吴恩达机器学习学习笔记——2.7第一个学习算法=线性回归+梯度下降

吴恩达《机器学习》课程总结多变量线性回归

吴恩达《机器学习》课程总结_多变量线性回归

机器学习笔记 | 第2周