5.模型表示
我们将要学习的第一个学习算法：线性回归
将会用这个模型对房价进行预测。
假设咱们有这么一个数据集。（别嫌弃手画的不好。- -）
问题：假如（我就是喜欢写这么多个假如:) ）你有个朋友有1250feet?的房子，应该卖多少钱？
我们观察一下这里的数据集，有价格随着房子大小增长的趋势。可以先用个最简单的线性模型（就是一条直线）去拟合数据。
答案：可以看到1250feet?的房子售价大约$210k
这就是最简单的一个回归问题。
这里要注意区分监督学习和回归问题
监督学习：数据中的每个样本都有给定的标签或相对应的“答案”（也就是这里的价格）回归问题：预测输出为连续值的问题
一般来说，在监督学习中，我们用来训练模型的数据集叫训练集
下面是一个房价预测的训练集：
这里我们约定一些标记：
m = 训练集的样本数量
x = 输入变量 / 特征
y = 输出变量 / 目标变量
用 (x,y)表示一个单一的样本
用(x^(i),y^(i))表示第i个样本
下面来看一下监督学习的工作流程：
先将训练集喂给学习算法
算法输出一个h（“假设函数”）
然后将一个个样本的输入特征(x)，输入给h
h函数会输出一个预测价格
这里的关键就是要设计一个模型来表示我们的假设函数h
这里我们选择一开始所表示的线性模型（就是一条直线）
相信这个模型大家初中就接触过了。就是将y预测成x的线性函数。
这个就是线性回归的模型表示。
- 发表于:
- 原文链接：https://kuaibao.qq.com/s/20180718G00BFP00?refer=cp_1026
- 腾讯「腾讯云开发者社区」是腾讯内容开放平台帐号（企鹅号）传播渠道之一，根据《腾讯内容开放平台服务协议》转载发布内容。
- 如有侵权，请联系 cloudcommunity@tencent.com 删除。
相关快讯
扫码
添加站长 进交流群
领取专属 10元无门槛券
私享最新 技术干货
腾讯云开发者
