Lession1 写在机器学习之前

机器学习从学习方式上来讲，可以分为两类：

　　监督学习（Supervised Learning），简而言之就是“有标签”学习

　　无监督学习（Unsupervised Learning），简而言之就是“无标签”学习

为了便于今后的机器学习，吴恩达先生（Andrew Ng）特别提出了一些notation（汉语译作“记法”，搞IT的最好渐渐熟悉这些基础单词）

　　use x⁽ⁱ⁾ to denote "input" variable·········“feature”

　　use y⁽ⁱ⁾ to denote "output" variable·······“target”

　　(x⁽ⁱ⁾,y⁽ⁱ⁾) is called a training example·····“training example”

　　{(x⁽ⁱ⁾,y⁽ⁱ⁾);i=1,2,3,···,m} is called a “training set”

Note that the superscript "(i)" has nothing to do with exponatiation but simply an index into the training set.

请注意，(i)和指数没什么关系，仅仅是训练集的标号罢了。

　　所谓机器学习，其真正目的是训练一个函数h，使得任意x都有我们期待的y与之对应，如下图所示

下面有两个重要的概念，分别是回归问题和分类问题，为了保证原意不失真，两个定义以英文格式给出：

When the target variable that we'll trying to predict is continuous,we call the learning problem a regression problem.

When y can take on only a small number of discrete values,we call it a classification problem.

当了解了以上基本概念后，我们正式进入机器学习课程，为了保证无论你是科研人员或者是工程技术人员，本博客都能对你起到作用，机器学习板块的任何一节课都会被分为两个部分：（1）理论推导部分（2）基于MATLAB的算法实践部分。并被分别予以阐述。如果你有志于立足科研，那么请您“知其所以然”去读理论推导部分。如果您急于进行工程设计，可以选择“快餐式”的读取算法实践部分。

下面开始正课。