Andrew Ng cs229 Machine Learning 笔记

有监督学习

先理清几个概念：

• $x^{(i)}$表示”输入”变量(“input” variables)，也称为特征值(features)。
• $y^{(i)}$表示”输出”变量(“output” variables)，也称为目标值(target)。
• 一对$(x^{(i)},y^{(i)})$称为一个训练样本(training example)，用作训练的数据集就是就是一组$m$个训练样本${(x^{(i)},y^{(i)});i=1,…,m}$，被称为训练集(training set)。
• $X$表示输入变量的取值空间，$Y$表示输出变量的取值空间。那么$h:X \rightarrow Y$是训练得到的映射函数，对于每个取值空间X的取值，都能给出取值空间Y上的一个预测值。函数$h$的含义为假设(hypothesis)。
• 图形化表示整个过程：