吳恩達機器學習課程第一週

關於線性迴歸的記錄： 使用的損失函數是平方誤差損失函數J（θ），也就是最簡單的假設函數和真實值差的平方和（對於所有樣本求和），然後最小化J（θ），也就是使用梯度下降算法；平方誤差代價函數是解決迴歸問題最常見的手段； 對於單變量線性迴歸問題: 如果是對於單變量線性迴歸，代價函數（參數爲θ）關於假設函數中參數的圖形爲： 因爲只有一個變量所以只有兩個參數，總可以找到一組參數使得該代價函數最小，當然我們需

>>阅读原文<<