CS229学习笔记（0）

CS229_0

监督学习（Supervised Learning）

首先我们通过一些例子来讨论监督学习问题吧。假设我们有如下数据集：

我们可以将上述数据集绘制成如下图所示：

那么我们如何根据这些数据集预测其他房屋的价格呢？

为了今后更好地学习，以上例为例，我们将房屋面积定义为输入变量$x^{(i)}$，其亦称为特征变量；将房屋价格定义为输出变量$y^({^i}{^)}$，其亦称为目标变量；$(x^{(i)}, y^{(i)})$表示一个训练实例，其中上标$i$表示第$i$个训练实例；集合$\lbrace (x^{(i)}, y^{(i)}); i = 1, \dots, m \rbrace$表示训练集，其中$m$表示训练集的大小。

当然，我们也可使用$\chi$表示输入变量空间，$Y$表示输出变量空间。在房屋价格此例中，$\chi = Y = R$。

在监督学习问题中，我们对给定的数据集，学习到一个函数$h: \chi \mapsto Y$， 该函数$h(x)$能够很好地预测目标变量。通常，我们将该函数$h(x)$称为假设函数（Hypothesis Function），其处理流程如下图所示：

当输出变量为连续值时，我们将其问题称为回归问题（Regression Problem）；当输出变量为离散值时，我们将其问题称为分类问题（Classification Problem）。