吴恩达机器学习笔记1——线性回归

问题描述：

给定一个训练集：{x_i, y_i}，i=1,..,m，拟合y(x)，从而预测：y(x_test)。

---

线性模型：

假设训练集{x_i, y_i}满足线性方程y = a x + b，则对于某一个x_i，y_{i, pred} = a x_i + b（y_{i, pred} 为预测值）。(y_i - y_{i, pred} )²越小则拟合效果越好。

对于训练集中的m个样本，定义J(a,b) = 1/m * sum_i [(y_i - y_{i, pred} )²]。

 则问题可以转化为 min_a,bJ，即寻找a，b的值使J最小。

---

a梯度