吴恩达机器学习课程CODE1:线性回归算法(应用平方误差与梯度下降)

1.线性回归问题课程笔记 1)简单介绍 线性回归问题需要有一个真实的直线来对给定x求出y,但现在我们不知道这条直线,需要根据训练集去拟合一条无限逼近这条真实直线的直线,以用于预测。 如图根据训练集,力求得到一条可以拟合尽量多点的直线: 2)公式表示 假设函数:hθ(x(i))=θ0+θ1xh_\theta (x^{(i)})=\theta _0+\theta _1xhθ​(x(i))=θ0​+θ1​x θ0,θ1\theta _0, \theta _1θ0​,θ1​是其的两个参数,即待求的两个参数 代价函数(损失函数):J(θ0,θ1)=12m∑i=1m(hθ(x(i))−y(i))2J(θ