Model and cost function

监督学习中我们用某一模型来表示实际问题，数据集中我们有输入x，输出y，m为样本数量。如下图所示：通过样本及机器学习确定模型h，随后解决问题时输入x通过h输出对应的y。

对于回归问题中，我们可以先了解最简单的线性回归模型，即 hθ(x)=θ0+θ1x ，其中hθ(x)即输出。其中确定常数θ0和θ1是核心过程。我们可以通过以下方法确定，通过代价函数又称平方误差函数，确定常数使得J函数达到最小值，即为最优拟合直线

可以做出纵坐标为J（θ1）横坐标为θ1的图像直观地感受到代价函数随参数变化的变化，当θ1=1时，J（θ1）最小，因此θ1=1的曲线是最佳的拟合曲线。

而当代价函数有两个参数时，就应做出三维图，或者类似于等高线的轮廓图，如下图所示