线性回归模型(Linear regression)

- 回归问题的标记如下

线性回归模型(Linear regression)_第1张图片
【假设可以写成h,也可以写成函数f】
线性回归模型(Linear regression)_第2张图片

- 工作方式


这就是一个监督学习算法的工作方式,我们可以看到这里有我们的训练集(房屋平米数x,房屋价格y) ,我们把它喂给我们的学习算法,学习算法的工作了,然后输出一个函数,通常表示为小写 h或者 f 表示。 代表hypothesis(假设),表示一个函数,输入是房屋尺寸大小,就像你朋友想出售的房屋,因此 ,根据输入的x值来得出y-hat值, y-hat值对应房子的预测价格,因此, 是一个从x到y的函数映射。
我将选择最初的使用规则代表hypothesis,因而,要解决房价预测问题,我们实际上是要将训练集“喂”给我们的学习算法,进而学习得到一个假设【可以写成假设h,也可以写成函数f】,然后将我们要预测的房屋的尺寸作为输入变量输入给,预测出该房屋的交易价格作为输出变量输出为结果。那么,对于我们的房价预测问题,我们该如何表达 ?

- 表达方式

在这里插入图片描述
表达方式为:因为只含有一个特征/输入变量,因此这样的问题叫作单变量线性回归问题。

- 总结如下


通过训练集(x,y)去矫正得到假设h【也可以称为函数f】,之后可以通过这个假设h,输入特征/输入变量x,去预测结果y-hat。

参考内容:
吴恩达机器学习
机器学习笔记

你可能感兴趣的:(机器学习,线性回归,算法,回归)