线性回归 --梯度下降法与标准方程法

线性回归

简单线性回归

机器学习三要素 – 模型 策略 算法
线性回归
输入空间为$X$ 输出空间为$Y$
模型:假设函数 $hypothesis： h_{\theta} = \theta_0 + \theta_1x_1$

模型参数:$\theta_0 , \theta_1$

思考：如何拟合模型参数 使得假设函数不断逼近实际值?

策略1 : 梯度下降法
设置代价函数 如果代价函数不断的减小 说明模型参数在不断的逼近实际值
已知 X