ML:單變量線性回歸(Linear Regression With One Variable)
阿新 • • 發佈:2018-07-14
one mod gre line lin 我們 目的 技術 ESS
模型表達(model regression)
- 用於描述回歸問題的標記
- m 訓練集(training set)中實例的數量
- x 特征/輸入變量
- y 目標變量/輸出變量
- (x,y) 訓練集中的實例
- (x(i),y(i)) 第i個觀察實例
h 機器學習算法中的解決方案和函數,即假設(hypothesis)
我們解決問題實際上就是將訓練集“餵”給學習算法,進而學習到一個假設h,然後將輸入變量x輸入給h,預測得到結果y
***假設函數(the hypothesis function)
假設函數一般形式:hθ=θ0+θ1x
我們算法的目的就是,將訓練集送進算法中,以期得到θ0和θ1的確切值。之後就可以利用這一函數進行預測了。
***代價函數(cost function)
- 我們通常使用代價函數評價一個假設函數的準確性。
代價函數一般形式:
ML:單變量線性回歸(Linear Regression With One Variable)