ML:单变量线性回归(Linear Regression With One Variable)

模型表达(model regression)

  1. 用于描述回归问题的标记
    • m 训练集(training set)中实例的数量
    • x 特征/输入变量
    • y 目标变量/输出变量
    • (x,y) 训练集中的实例
    • (x(i),y(i)) 第i个观察实例
    • h 机器学习算法中的解决方案和函数,即假设(hypothesis) 我们解决问题实际上就是将训练集“喂”给学习算法,进而学习到一个假设h,然后将输入变量x输入给h,预测得到结果y

假设函数(the hypothesis function)

  1. 假设函数一般形式:hθ01x
    我们算法的目的就是,将训练集送进算法中,以期得到θ0和θ1的确切值。之后就可以利用这一函数进行预测了。

代价函数(cost function)

  1. 我们通常使用代价函数评价一个假设函数的准确性。
  2. 代价函数一般形式: