h代表假設函式，h是乙個引導x得到y的函式
如何表示h函式是監督學習的關鍵問題
線性回歸：h函式是乙個線性函式
ps：盡可能簡化問題去理解一些抽象概念，如單一的引數變化等等
可以利用代價函式去尋找你擬合效果最好的假設函式的引數
當引數很多時，利用圖表來尋找最小代價函式就變得比較複雜，故引出梯度下降法。
梯度下降法的思路：給定初始值，一般初始值為0.然後不斷修改引數直到目標函式取到最小值
梯度下降法示意圖：
一、把影象看做一座山，梯度下降法就是尋找最快下山的路徑。給定初始位置，尋找當前點下降最快的方向並往前邁進一小步，不斷重複直到找到區域性區域性最優解。
二、當初始位置不同時，所得到的區域性最優解也是不同的。
實現這個演算法的關鍵是採用同步更新，即
。梯度下降法可以收斂到區域性最低點的原因：當處於最低點時，導數為0，此時的引數和原來的引數是一樣的，而且學習率α保持不變且不為0（因為趨近於最低點時，導數的數值在不斷地變小），最終θj依然可以保持不變。
此外，α的取值需要合適。太小演算法執行時間較長，太大有可能越過區域性最低點導致演算法不收斂。
機器學習第一章
q 什麼是機器學習 機器學習不同於以往的計算機程式設計，致力於研究如何通過計算機手段，利用以往的經驗來改善系統自身的效能。一般的程式設計都是明確的告訴電腦該做什麼。機器學習希望提供資料給學習演算法，讓它自己學習，找到其種的規律。在面對新情況的時候就能應用已產生的模型，提供相應的判斷。機器學習的本質任...
機器學習第一章
今天進行了機器學習第一章的學習，我覺得首先你可以認清這些概念 1 模型 策略 演算法 2 分類與回歸的概念 3 監督 無監督 半監督問題 2 過擬合 欠擬合 下面是拓展的一些概念 海森矩陣 黑塞矩陣 hessian matrix 又譯作海森矩陣 海瑟矩陣 海塞矩陣等，是乙個多元函式的二階偏導數構成的...
《機器學習》 第一章
圖書館借了本機器學習，作者是 tom m.mitchell，亞馬遜這本書排名挺靠前的。好了，直接開篇。接下來大篇幅講述了，如何挑選訓練經驗，選擇目標函式，目標函式的表示，選擇函式逼近演算法。整個設計下來，分為了四大模組 執行系統 鑑定器 泛化器 實驗生成器。看過這本書的都會被第一章的跳棋學習深深吸引...