Coursera Machine Learning 学习笔记（四）
浏览数：50 /
时间：2015年06月20日
II. Linear Regression with One Variable (Week 1)
- Model representation
以之前预测房价的问题为例，假设我们回归问题的训练集（Training Set）如下所示：
我们用如下符号来描述回归问题中的量：
- m 代表训练集中实例的数量
- x 代表特征/输入变量
- y 代表目标变量/输出变量
- (x,y) 代表训练集中的实例
- 代表第i个观察实例
- h 代表学习算法的解决方案或函数，也称为假设（hypothesis）
因此，要解决预测房价的问题，这个过程如下所示：
我们实际上是将训练集给我们的学习算法，进而学习得到一个假设h。之后，我们将所要预测的房价的房屋尺寸作为输入变量给h，进而预测出房价作为输出变量来作为结果。
其中，对于房价预测问题中的假设h应该如何表达呢？
一种可能的表达方式为：
同时，由于问题中只包含一个特征/输入变量，因此这样的问题被叫做单变量线性回归问题。
郑重声明：本站内容如果来自互联网及其他传播媒体，其版权均属原媒体及文章作者所有。转载目的在于传递更多信息及用于网络分享，并不代表本站赞同其观点和对其真实性负责，也不构成任何其他建议。
