机器学习的简介就不多说了，虽然本人是非科班的不过也是理工科专业，对机器学习这种算法穷举法出来的还是蛮感兴趣的，毕竟宇宙的真理就是数学组成的，一直认为数学和物理这种学科才是人类发展的基石，奈何脑子不够用的啊，不多说了，这个专栏就作为自己日常学习总结的输出了，目前机器学习主要是吴恩达老师的视频。
1. 监督学习
监督学习作为机器学习中重要的组成部分，简单来说就是给一个数据集，其中这个数据集中包括对应的结果，中对应的y结果，使电脑从中找出规律来，为回归问题。 其中最经典的应该算线性回归。
2. 无监督学习
无监督学习也是机器学习中一种训练方式，与监督学习不同的是，监督学习需要给数据打上标签，而无监督学习着没有。无监督学习较多应用在分类和降维场景中。 其具备三个特点：
- 不需要给数据打标签
- 没有明确的目的
- 无法量化训练结果
3. 代价函数
在监督学习中，通过机器学习建立的模型当然有好有坏了，如何对模型进行评估以此来确定最佳的模型，这时候就需要代价函数来解决了，代价函数的目的就是为了找到最优解的函数。
3.1 代价函数作用的原理
例如对预测函数
这里面有两个参数
代价函数为θ0与θ1，参数的改变都将导致函数的变化。这样预测函数相对与真实结果y的值，使用平方误差代价函数为例
平方误差代价函数的原理，就是将实际数据给出的值和拟合函数的值做差，
同时为了不使这个值受到个别数据影响而产生较大波动，采用类似方差再取二分之一来减少极端数据的影响。
因此最优解即为代价函数最小时，θ0与θ1的值
