1.1 Supervised Learning
已知输入x以及其对应的标签y，求解 f:x→y
回归 regression：输出的结果y是一个连续的变量 y=ℝ
分类 classification：输出的结果y是一个离散的变量 y={1,2,3...,k}
分类 classification：分类到各不知名的聚类中
当theta1 = 0.5的时候，计算得到J(θ)=0.58
当theta1=0的时候，计算得到J(θ)≈2.3
如果α取值太小，那么下降到最小值的速度会比较慢
如果α取值太大，可能一步就跳过了最小值点……
1.2 Unsupervised Learning
已知输入x，并不知道其所属的类别标签y，求解将x们划分到不同的聚类中，这些聚类具体是什么类别并不知道。
1.3 Semi-supervised Learning
输入的x中，一部分有对应的标签y，大部分没有。通过这一部分有标签的去推测各不知名的聚类是什么类别。
1.4 一张图弄懂
(图片来源：台湾大学林轩田的《机器学习基石》3-2)
2.1 Model Representation
例子：房价预测 - 给出房子的各种特征，如面积、位置等，以及该房子对应的价格。学习一个模型，当输出其他房子的特征时，能够预测出新房子的价格。
明显这是一个回归模型。
数据说明：
| (x(i), y(i)) | 训练集中的第i条数据 |
|---|---|
| x | 输入数据 |
| y | 输出数据，数据x的标签（真实输出结果） |
| x(i)j | 第i条数据的第j个特征 |
| m | 训练集中数据的个数 |
| h(x) | 学习得到的模型 |
| ŷ | 模型对输入数据x的预测结果 |
由于一开始我们并不知道θ是多少，而这个就是模型需要通过数据学习得到的，和人学习一样，模型需要知道自己究竟哪里错了才能够进一步学习。
于是提出模型的错误公式，loss/cost function来定义这个错误。
2.2 Cost Function
最简单的错误评估，就是将预测出来的结果同真实的结果做一个平方差：
因为有m条数据，所以将这些个平方差求和之后再平均一下，作为整个训练集的error：
再者，为了接下来模型根据这个error进行学习的以后更加方便，再除以2（因为平方项在求导的时候可以与这个分母2抵消）：
而最终的目的就是让这个error最小，只要error最小了，那就说明这个h(x)预测出来的结果和真实的结果相差不大了，那我们的模型就训练完毕了。
学习目标：
2.3 Cost Function - intuition
接下来通过几个例子来了解一下cost function是怎么工作的，θ又该怎么取值。
下面的图中，红色叉叉表示训练数据，黑色直线代表h(x)。
4. 以此类推，再画出一些点，然后连接起来
cost function取最小值的时候就是凹陷处，数学意义上梯度为0的地方。
2.4 Gradient Descent
更新过程可视化如下，从上面的点一直沿着一定的方向下降到下面的点：
下面来看看这个步长α的取值问题：
另外，如果这个J(θ)不止一个最小值点，那么当落入局部最小值(local minimun)，就跳不出来了，因为梯度已经变成了0，不再更新θ了。
当不断靠近最小值的过程中，每次更新的速度也会下降，因为梯度越来越小了，如下图所示：
最后把gradient descent应用到linear regression with one variable问题上：
梯度求导如下；
对于有一些J(θ)，可能具有多个“局部最优解”，如下图：
但是对于Linear Regression来说，J(θ)是“碗形”的，术语称为“convex function”，如下图：
Batch Gradient Descent
使用训练集中所有数据的error的平均值作为一次更新，即：
Stochastic Gradient Descent
使用训练集中的一个数据的error就更新一次，即：
Mini-Batch Gradient Descent
使用训练集中部分数据的error的平均值作为一次更新，即：
