代价 函数

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。