【Andrew NG 机器学习公开课】CS229：Introduction、Linear Regression

版权声明：本文为博主原创文章，未经博主允许不得转载。 https://blog.csdn.net/WeiDelight/article/details/47124993

这份笔记来源于Andrew NG在Coursera上的公开课和讲义。

Introduction

机器学习问题

（一）有监督学习（Supervised Learning）

基本思想是：given the right answer for each example in the data.（即：我们数据集中的每个样本都有相应的“正确答案"，再根据这些样本作出预测。）

回归（regression）：our goal is to predict a continuous value output.

分类（classification）:the goal is to predict a discrete value ouput.

（二）无监督学习（Unsupervised Learning）
         给定的样本没有标签，需要靠机器自己去学习，对某类同样的样本进行标注、分类等。比如：聚类算法。

Part  Ⅰ Linear Regression

linear function：h_θ(x) = θ₀ + θ₁x₁ + θ₂x_{2
其中 θi 为参数}