最近接触了机器学习，感觉很梦幻，能实现的我的梦想，看网上说的花天酒地的难，但是想做就要做下去，毅然决然的跳入这个大坑。
让我们慢慢来，先怼它几个概念。
监督学习
我们给出了关于每个数据的“正确答案”。监督学习必须知道预测什么，即目标变量的分类信息。
监督学习中又有常见的两种问题回归问题和分类问题。
回归问题
回归一词指的是我们根据之前的数据预测出一个准确的连续输出值。
分类问题
当我们想要预测离散的输出值。
几个常用术语
监督学习的过程
给定一个训练集（m），一个函数h：x -> y，h（x）是预测Y对应值的一个指标，称为假设。图片为过程：
这是一个学习房屋价格的学习过程。
转变为线性回归的话可以写成 h(x) = a + bx ，b就是斜率，a就是y轴截点，是不是很像y = kx + b。
等之后的梯度下降就知道其作用了。（待续）
原文：http://www.cnblogs.com/SHOR/p/6885081.html