【深度之眼】吳恩達《機器學習》作業——week1代價函數

代價函數 首先回顧一下我們之前提到的訓練集，及線性迴歸假設： 其中 θ 0 , θ 1 \theta_0,\theta_1 θ0​,θ1​ 是我們要選擇的參數。 我們希望我們的模型，或者說我們擬合的曲線，能夠接近訓練集的真實狀況，即我們的預測值和真實至之間的差距要越小越好。 也就是說要選擇合適的 θ 0 , θ 1 \theta_0,\theta_1 θ0​,θ1​，最小化 h θ ( x ( i

>>阅读原文<<