Linear Regression with one variable

Linear Regression에서

H(x)를 설정하는 방법
J(Θ)



Training  Set 에서 학습알고리즘을 통해 Hypothesis를 생성하여 입력값 x를 통해 Y를 예측한다.

1. h(x)를 설정하는 법

H_theta(x)가 training example에 가깝도록 

theta_0,theta_1을 설정

H_theta(x) = theta_0 + theta_*x

(for fixed theta, this is a function of x)

                 

mininize one over m

J of theta one

if theta =1

 if theta = 0.5

Min J(theta=1)이다.

H_theta(x) = theta_0+theta_1*x

- for fixed theta, this is a function of x

J(theta_1)

- function of the parameter theta_1

J(theta_1) or J(theta_0,theta_1)의 식을 풀어보면 H_theta(x superscript(i))는 상수 취급된다

. 

...

Supervised Learning / Unsupervised Learning

1. Supervised Learning

Given the "right answer" for each example in the data


Training  Set에서 학습알고리즘을 통해 Hypothesis를 생성하여 입력값 x를 통해 y를 예측한다.
종류

Regesssion : Predict continuous valued output(Price)

Classification : Predict discrete valued output(0 or 1)
                  데이터를 분류하는 작업, 이진화된 결과값이 나온다.

2. Unsupervised Learning


 데이터의 분류가 없다. 라벨이 한가지 이다.
 그래서   unsupervised Learning의 알고리즘은 거대한 데이터 집합을 클러스터링 하는것이다.