（吴恩达机器学习）单变量线性回归

版权声明：本文为博主原创文章，未经博主允许不得转载。 https://blog.csdn.net/up_XCY/article/details/85454005

单变量线性回归：

所谓单变量线性回归其实就是一元线性函数方程---Y=AX+B

                h为假设函数，x为自变量（输入的数据），y为因变量（输出的结果）。

   

由训练集（一大堆数据）的出假设函数或者给出θo与θ1得出假设函数：

代价函数
目标：寻找一个theta_1, theta_0 使得预测值接近训练集中的样本
方法：预测值与实际值求差的平方，对于所有样本的该值进行求和，最后除以2m（1/2为简化计算），形成代价函数。最小化该代价函数，得到对应的theta_0和theta_1.
平方误差——解决回归问题的最常用手段

平方误差代价函数：