模型的的参数是我们可以进行调整的,用来改进模型。 b截距 找到合适的w,b,满足许多或者所有的数据。 error:误差 惯例,计算平均的 实际上除以2倍的m。 最后找到使得 j变小的w和b。 理解代价函数 为了衡量w和b的选择与训练数据的匹配程度,用代价函数j。 使用简化后的, 3.5可视化代价函数 只有一个参数的情况如上图、 两个参数 等高线,椭圆中心,即碗底,是最小的。 同一等高线上,w和b可能不同,但是J相同。 不必手动尝试所有的w和b的最佳值等高线图,需要一种算法自动查找参数w和b的值,它们会为我们提供最佳拟合线。使得j最小。即梯度下降。