机器学习入门系列2.2——代价函数
上节课中出现了单变量线性回归:h(x)=θ_0+θ_1*x(_表示下标)
如何确定参数θ_0、θ_1?
选择不同的参数会得到不同的假设函数。要选择能使得h(x)也就是输入x时我们预测的值最接近样本对应的y值的参数
代价函数(平方误差代价函数)即要确定参数使得改函数的值最小
上节课中出现了单变量线性回归:h(x)=θ_0+θ_1*x(_表示下标)
如何确定参数θ_0、θ_1?
选择不同的参数会得到不同的假设函数。要选择能使得h(x)也就是输入x时我们预测的值最接近样本对应的y值的参数
代价函数(平方误差代价函数)即要确定参数使得改函数的值最小