【笔记】吴恩达第二章 单变量线性回归

Notation:

m = Number of training examples

x = input variable

y = output variable

(x,y)  = one single training example

图中h为Hypothesis function：

其中为parameters of model

由训练集通过学习算法得到，我们希望尽可能地逼近真实值y，即

在样本中，我们选取一个代价函数(cost function,又称square error function 平方误差函数)，使得

代价函数的一种取法为最小二乘法，即

目标：得到满足如下要求的

方法之一：梯度下降算法（Gradient descent algorithm）

其中，为learning rate，决定每步沿梯度方向下降多少。

吴恩达 回归 线性 线性回归 变量