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

标签：lin   问题   img   训练   cost   方案   mode   评价   集中   

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：h_θ=θ₀+θ₁x
   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）

2. 我们通常使用代价函数评价一个假设函数的准确性。

3. 代价函数一般形式：
   

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

标签：lin   问题   img   训练   cost   方案   mode   评价   集中   

原文地址：https://www.cnblogs.com/mengnan/p/9307715.html