【机器学习入门】线性回归的几率解释

Andrew Ng的公开课机器学习html 线性回归中咱们创建了一个线性模型 h(x(i))=θTx(i) ，并计算偏差函数 J(θ)=∑mi=1(h(x(i))−y(i))2=∑mi=1(θTx(i)−y(i))2 web 为了选择合适的 θ 使得 J(θ) 最小，咱们能够采起两种方法： 1.梯度降低法 2.最小二乘法机器学习 具体的在上一节中已有讲述。 本文从几率上解释，为什么在计算 J(θ)

>>阅读原文<<