Machine Learning
定义
A computer program is said to learn from experience E with respect to some class of tasks T and performance measure P, if its performance at tasks in T, as measured by P, improves with experience E. 对于某类任务T和性能度量P，如果一个计算机程序在T上以P衡量的性能随着经验E而自我完善，那么我们称这个计算机程序在从经验E中学习。
案例
E就是自己给自己玩跳棋
T就是玩跳棋的任务
P 就是和新对手开战的赢的几率
分类
监督学习
Supervised Learning:
Right answers given（训练集）
回归：Regression (continuous 预测输出无限集)
分类：Classification (discrete 预测输出有限集)
无监督学习
Unsupervised Learning:
只给出数据集——need to be cluster and discovered
线性回归
单变量线性回归
预测房价的例子，肿瘤的例子。
一些常用符号约定
单变量线性回归 表达式
h(x) = θ0 + θ1*x (感觉类似 y = kx+b )
线性回归：linear regression
代价函数(cost function)
如 h(x) = θ0 + θ1*x , 如何确定 θ0 和 θ1这两个是参数
调节这两个参数 用于更好的拟合数据
问题变成了 ==> 怎么 找出这两个最 好 的参数值
##平均方差的一半 (一半是经验之谈哈)
