圍繞朋友買房子的問題我們進一步討論線性回歸問題.
定義:
m為訓練樣本的數量
x為輸入的特征量
y為輸出的特征量
(x , y)為一組樣本
構造假設函數:
2015-12-06 19:26:50屏幕截圖.png
代價函數:
2015-12-06 19:28:45屏幕截圖.png
目標:選取適當參數,使得代價函數值最小.
我們可以運用類比的思想,將上面的假設函數進行簡化,當
2015-12-06 19:32:28屏幕截圖.png
= 0時,
其相應的代價函數曲線是一個開口向上的拋物線.由此證明了當代價函數取最小值時,我們所做的假設函數曲線與原圖擬合度最好.
