Coursera Machine Learning 学习笔记（五）

- Cost function

      

       针对训练集以及我们的假设，下面我们将考虑如何确定假设中的系数。

      

       我们现在要做的就是选择合适的参数，参数的选取直接影响着所得到的直线对于训练集描述的准确程度。所预测的值与训练集中实际值之间的差距就是建模误差（Modeling Error）。

       通过计算建模误差的平方和，进而定义代价函数（Cost Function）。我们的目标则是通过对参数的选择来使得代价函数最小。

      

       通过绘制等高线，我们可以看出三维空间中确实存在一个可以使得代价函数最小的点。

      

       下图则展示了，通过选择合适的参数来使得代价函数值最小的过程：