第二章 单变量线性回归

模型描述

房价预测问题

给出一个房子大小和对应价格的数据集，用这些数据来预测价格（给定一个新的大小）

符号表示

image.png

如图中所示 m 表示训练集的大小，x 输入变量（特征），y输出变量（目标变量）

解决方案

由“学习算法”通过训练数据集生成模型“h”, 用h去预测价格

image.png

模型h如何表示
这里采用单变量线性回归，单变量即是一个变量，线性就是一次的，为什么叫“回归”呢，这个好像在哪看过细致的原因。（粗略的好像是离散的事分类，连续的就是回归）

image.png

代价函数

模型假设为“一元一次”函数，那这个函数有俩系数，如何确定这两个系数？

image.png

最贴合数据集自然就是距离最近（代价最小）

image.png

俩参数和cost函数的关系为：

image.png

梯度下降（gradient /'greɪdɪənt/ descent）

image.png

往哪个方向变化呢？

image.png

变化时α太小或者太大可能会有的问题

image.png

模型和梯度下降算法

image.png

使用此算法算出合适的俩参数即可求得模型。