【深度之眼】吴恩达《机器学习》作业——week1代价函数

代价函数 首先回顾一下我们之前提到的训练集，及线性回归假设： 其中 θ 0 , θ 1 \theta_0,\theta_1 θ0​,θ1​ 是我们要选择的参数。 我们希望我们的模型，或者说我们拟合的曲线，能够接近训练集的真实状况，即我们的预测值和真实至之间的差距要越小越好。 也就是说要选择合适的 θ 0 , θ 1 \theta_0,\theta_1 θ0​,θ1​，最小化 h θ ( x ( i

>>阅读原文<<