m：數據集的樣本數
x：輸入變量（特徵）
y：輸出變量或者目標變量
（x ，y）：一個訓練樣本
(x^(i),y^(i)(:表示特定訓練樣本，其中i表示第i個樣本，及訓練集的一個索引，i也可以表示數據集表格中的第i行
如下圖所示：這種模型被稱爲線性迴歸，下圖是一元線性迴歸，只有一個變量x，另一個名稱叫做單變量線性迴歸
https://www.cnblogs.com/Belter/p/6653773.html 可以看看此文講的代價函數
代價函數：
吳恩達機器學習第二章節單變量線性迴歸學習筆記
發表評論
所有評論
還沒有人評論，想成為第一個評論的人麼? 請在上方評論欄輸入並且點擊發布.
相關文章
「機器學習_8」Bag-of-Words
Bag-of-Words 1.文字問題 2. 什麼是Bag-of-Words(具體例子） 3. 侷限性 1.文字問題 文本建模的一個問題是它很雜亂，機器學習算法之類的技術更喜歡定義明確的
迴歸損失函數：L1 Loss, L2 Loss, Smooth L1 Loss
講解的很清楚： https://www.cnblogs.com/wangguchangqing/p/12021638.html