机器学习笔记(吴恩达)——单变量线性回归

单变量线性回归

符号说明

$m$代表训练集中实例数据
$x$代表输入特征/输入变量
$y$代表目标变量/输出变量
$(x,y)$代表训练集中的实例
$(x_i,y_i)$ 代表第$i$个观测实例
$h$代表学习算法解决方案或函数

代价函数

代价函数为
$$J({\theta }_0,{\theta }_1)=\frac{1}{2m}\sum _{i=1}^m(h_{\theta }(x_i)-y_i{)}^2$$
直观理解如下：要确定出${\theta }_0$,${\theta }_1$及使得
m i n J ( θ 0 , θ 1 ) min J(\theta_0,\theta_1)