CS229_1-線性回歸
線性回歸
我們在上一節(jié)房屋售價數(shù)據(jù)集的基礎(chǔ)上摹察,增添房間數(shù)量這一特征變量,如下圖所示:
因此黄娘,特征變量變?yōu)榱司S度為2的向量,記作优床,其中表示數(shù)據(jù)集中第i個房屋的房屋面積誓焦,則表示數(shù)據(jù)集中第i個房屋的房間數(shù)量杂伟。
對于此監(jiān)督學習問題,若我們采用線性回歸模型观话,其假設(shè)函數(shù)為:
其中越平,表示以為參數(shù)秦叛。為了便于向量化,我們令尼变,則上式可改寫為:
從上式可知浆劲,為未知變量。那么我們該如何根據(jù)數(shù)據(jù)集計算出的值呢度气?我們不妨回想一下假設(shè)函數(shù)的定義磷籍。從上一小節(jié)可知现柠,假設(shè)函數(shù)是我們從給定數(shù)據(jù)集中學習得到的,其輸出的值與數(shù)據(jù)集中的越相近越好比然。因此强法,我們可以定義如下的代價函數(shù)(Cost Function):
當代價函數(shù)最小時,其參數(shù)的值為我們所要的饮怯,從而得到了擬合訓練集的最佳參數(shù)。