标签：example mat maps http 入门 ble pst 训练 组成
2019年9月22日13:52:59-2019年9月22日14:40:25
给定由一批输入输出数据对$\left(x^{(i)}, y^{(i)}\right) $ 组成的训练数据集，有监督学习的目标是学到一个较好的从输入$x^{(i)} $ 到输出$y^{(i)} $ 的映射。用来预测一个新的输入所对应的输出。
其中输入$x^{(i)} $ 又叫输入特征（features），输出$y^{(i)} $ 又叫目标变量或标签（target）。一个输入输出对$\left(x^{(i)}, y^{(i)}\right) $ 又叫一个训练样例或训练样本（training example）。$m $ 个训练样例组成一个训练集（training set）\(\left\{\left(x^{(i)}, y^{(i)}\right) ; i=1, \ldots, m\right\}\) 。
我们用\(\mathcal{X}\) 来表示输入空间，用$\mathcal{Y} $ 表示输出空间，则有监督学习的目标是给定训练集\(\left\{\left(x^{(i)}, y^{(i)}\right) ; i=1, \ldots, m\right\}\) ，学得一个从输入空间到输出空间的好的映射\(h : \mathcal{X} \mapsto \mathcal{Y}\) 。这个映射又叫假设（hypothesis）。下图显示了训练集，学习算法，输入，假设，输出之间的关系。
根据目标变量$y^{(i)} $ 是否连续，又可分为回归问题（regression problem）和分类问题（classification problem）。
标签：example mat maps http 入门 ble pst 训练 组成
原文地址：https://www.cnblogs.com/qizhien/p/11568546.html
