每天五分钟机器学习：线性回归算法的损失函数是什么？

本文重点

在上一节课程中讲解了线性回归中的假设函数，本节课程将学习一下损失函数，损失函数的意义是帮助我们把最好的直线模型与我们的数据相拟合。

房价预测的例子

假设函数是这样的线性函数形式： ℎθ(x) =θ0 + θ1x。其中θ0 和 θ1，便是直线在轴上的截距和斜率。

其中θi我们称为模型参数，现在θ0和θ1是未知的，如果我们求出θ0和θ1，那么就求出这个假设函数hθ(x)了。

那么θ0和θ1选择的标准是什么呢？

这个θ0和θ1的选择的标准是：输入x值，y的值最接近该样本对应的y值，按照这个标准选出来的θ0和θ1才是最合适的。

我们选择的参数θ0 和 θ1决定了我们得到的直线相对于我们的训练集的准确程度，模型所预测的值与训练集中实际值之间的差距就是建模误差。

我们的房价预测的问题中，建模误差直观上看就是下面中的蓝色的线，它表示预测房价和实际房价之间的差距，如下所示：