监督学习——回归模型

线性回归模型

1. 原理：将大量数据拟合成一条直线，然后进行预测。
2. 符号(rotation)：Training set(训练集)——通过在训练集中进行训练，从而形成一条回归方程模型——后续便可利用模型进行预测
   1. x=input
   2. y=output
   3. m=number of training numbers
   4. (x,y)=single training sample
   5. 总结：注：其中输出变量是y，也叫做目标，代表训练示例的真实值；输入变量是x，代表

成本函数cost function

1. 如何找到线性回归中的w和b【w 和 b 是模型的参数，随着模型从数据中学习而调整。它们也被称为 “系数 “或 “权重”。】？——平均误差成本函数【J】，w和b要尽可能使得J小
2. 上述例子中，b=0，当加入b后，J(w,b)类似于汤碗状注：水平切面就显示出椭圆图【等高线图】，即便如图所示三个箭头的w和b都不相同，但每一个椭圆的高度相同【椭圆的纵坐标是b】，即J值相同；且越靠近中心的椭圆，J值越小。