简介
本模块将探讨称作“监督式学习”的过程，在此过程中，机器学习模型将通过示例学习。
通过了解监督式学习，我们将深入研究学习过程的各个组成部分，以及该过程究竟如何改进模型。 我们还将通过示例探讨正确设置此学习过程对于实现高性能模型的重要性。
在本模块中，我们将使用下面的场景来解释监督式学习过程。 该场景通过示例说明你在编程时会如何接触到这些概念。
你的家族在华盛顿州管理着一家历史悠久的麋鹿农场，已经过好几代人的传承，但这几十年来，鹿群的健康状况逐渐转差。 众所周知，当夜间平均温度高于冰点（32°F 或 0°C）时，就不能使用谷物来饲养农场的麋鹿了。 因此，你历来都是遵照祖父的养殖日历，从 1 月 31 日之后就不再使用粮食饲养。
你最近得知了气候变化对农业生产的影响。 这种变化是否就是最近几年麋鹿健康状况变差的原因呢？ 你打算使用手中的部分历史气象数据来确定当地的温度与祖父那时相比是否发生了变化，以及是否需要更新养殖日历。
先决条件
应基本熟悉输入、输出和模型。
学习目标
在本模块中，你将：
- 定义监督式学习和非监督式学习。
- 探索成本函数对学习过程的影响。
- 了解如何使用梯度下降优化模型。
- 试验各种学习速率，了解它们如何对训练产生影响。