【机器学习】Andrew Ng——02单变量线性回归

本文介绍了单变量线性回归在房屋价格预测中的应用,详细讲解了代价函数和梯度下降算法。通过代价函数最小化来确定最佳模型参数,利用梯度下降逐步优化,直至找到局部最小值。内容涵盖了梯度下降的工作原理及其在线性回归中的应用,讨论了参数更新和收敛性。
摘要由CSDN通过智能技术生成

单变量线性回归


房屋价格问题

  首先我们来看卖房问题,如果有朋友想要出售房屋,如何根据已有数据来预测房屋的销售价格。下图所展示的是在第一章概述中提及的有监督学习的回归问题,对于每个样本的输入,都有正确的输出或者答案。如果以直线来表示房屋价格问题,那么当房屋价格为1250平方英尺时,房屋销售价格约为22万。

  m 为训练样本的数目
  x’s 为“输入”变量,也称之为 特征
  y’s 为“输出”变量,也称之为“目标”变量

  房价预测问题的大致学习过程如上图所示,其中x表示房屋的面积大小,y表示预测的价格,h(hypothesis)将输入变量 x 映射到输出变量 y,那么我们该如何表示h?
  我们定义h为:

  • 2
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值