标签：
一、引言
本材料参考Andrew Ng大神的机器学习课程?http://cs229.stanford.edu，以及斯坦福无监督学习UFLDL tutorial?http://ufldl.stanford.edu/wiki/index.php/UFLDL_Tutorial
机器学习中的回归问题属于有监督学习的范畴。回归问题的目标是给定D维输入变量x，并且每一个输入矢量x都有对应的值y，要求对于新来的数据预测它对应的连续的目标值t。比如下面这个例子：假设我们有一个包含47个房子的面积和价格的数据集如下：
我们可以在Matlab中画出来这组数据集，如下：
看到画出来的点，是不是有点像一条直线？我们可以用一条曲线去尽量拟合这些数据点，那么对于新来的输入，我么就可以将拟合的曲线上返回对应的点 从而达到预测的目的。如果要预测的值是连续的比如上述的房价，那么就属于回归问题；如果要预测的值是离散的即一个个标签，那么就属于分类问题。这个学习处 理过程如下图所示：
标签：
原文地址：http://www.cnblogs.com/linyuanzhou/p/4910792.html
