初識機器學習
一、定義
計算機無需明確程式設計即可學習的研究領域。機器學習的研究旨在讓計算機學會學習，能夠模擬人類的學習行為，建立學習能力，實現識別和判斷。機器學習使用演算法來解析海量資料，從中找出規律，並完成學習，用學習出來的思維模型對真實事件做出決策和預測。這種方式也稱為“訓練”。
二、監督學習和無監督學習
監督學習：給予學習演算法示例，即確定的輸入、輸出，使計算機透過這種學習演算法對全新的輸入預測其正確輸出。
無監督學習：資料集只給輸入而不給輸出，讓演算法自己從中發現規律並對新的輸入預測其正確輸出。
三、機器學習常見術語
訓練集：用於訓練模型的資料集；
x：輸入，也稱為特徵；
y：輸出，也稱為真實標籤；
(x,y)：每一對x、y稱為一個訓練樣本；
m：訓練樣本設為總數；
(x(i),y(i))：上標i表示訓練集的第i行，即第i個訓練樣本；
f：假設函式，訓練模型用於接收輸入變數併產生預測的函式；
例如，單變數線性迴歸模型中，f(x) = wx + b，其中w、b稱為引數或權重；
y-hat：預測值，f(x(i)) = y-hat(i)；
J(w,b)：成本函式或代價函式，計算預測值與真實值之間誤差大小的函式
上圖為迴歸模型中最常用的代價函式。