线性回归--深度学习

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/xd15010130025/article/details/88703519

是什么

是一种预测监督式学习的方法，它通常表现为如下形式

• 表现形式
  $h(x)=\theta_0+\theta_1*x$
  $h(x)$代表从x到y的映射函数， $x$代表输入， $y$代表输出。
• 对数据集进行简单的拟合，最简单的模型。表现形式为一次函数。比如
  

拓展

• 监督式学习
  Supervised learning，是一个机器学习中的方法，可以由训练资料中学到或建立一个模式（ learning model），并依此模式推测新的实例。训练资料是由输入物件（通常是向量）和预期输出所组成。函数的输出可以是一个连续的值（称为回归分析），或是预测一个分类标签（称作分类），上面的例子就是预测输出。
• 无监督式学习
  Unsupervised Learning 是人工智能网络的一种算法(algorithm)，其目的是去对原始资料进行分类，以便了解资料内部结构。有别于监督式学习网络，无监督式学习网络在学习时并不知道其分类结果是否正确，亦即没有受到监督式增强(告诉它何种学习是正确的)。其特点是仅对此种网络提供输入范例，而它会自动从这些范例中找出其潜在类别规则。当学习完毕并经测试后，也可以将之应用到新的案例上。