【吴恩达机器学习】线性回归

线性回归是通过一个或者多个自变量与因变量之间的关系进行建模。

特点为一个或多个回归系数的模型参数的线性组合

一元线性回归：涉及到的变量只有一个

多元线性回归：涉及到的变量两个或两个以上

一、单变量/一元线性回归：

1.1监督学习算法工作的流程

h(hypothesis)：假设函数，是一个从𝑥到 𝑦 的函数映射。
如：

其中θ是模型参数，x是输入变量/特征，y是输出/目标变量。

1.2代价函数/平方误差函数/平方误差代价函数

代价函数：

其中：𝑚是训练样本的数量

参数决定了模型所预测的值与训练集中真实值之间的差(建模误差modeling error)

目标：选择出可以使建模误差的平方和最小的模型参数。

1.3梯度下降

梯度下降算法是一个用来求函数最小值的算法。

选