吴恩达《机器学习》课程笔记——第二章：单变量线性回归
【重要提示】：本人机器学习课程的主要学习资料包括：吴恩达教授的机器学习课程和黄广海博士的中文学习笔记。感谢吴恩达教授和黄广海博士的知识分享和无私奉献。作为机器学习小白，计划每周末记录一周以来的学习内容，总结回顾。希望大家多多挑错，也愿我的学习笔记能帮助到有需要的人。
2.1 模型描述
让我们以预测住房价格的例子开始：首先要使用一个数据集，数据集包含不同房屋尺寸所售出的价格，根据数据集画出我的图表。比方说，如果你朋友的房子是 1250 平方尺大小，你要告诉他们这房子能卖多少钱。那么，你可以做的一件事就是构建一个模型，也许是条直线，从这个数据模型上来看，也许你可以告诉你的朋友，他能以大约220000(美元)左右的价格卖掉这个房子。这就是监督学习算法的一个例子。
总结来说，需要做的就是利用数据集中的数据，找出可以描述该数据集中输入和输出的关系的数学模型。在程序中我们要首先设定这么一个函数h（假设函数）。
我们将要用来描述这个回归问题的标记如下：
版权声明：本文为lky-learning原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。