模型相关概念

x,y,m

举个栗子：房屋面积与房屋价格的关系表

输入“房屋面积”，得到输出“房屋价格”，则房屋面积被称为x(features)，房屋价格被称为y
训练集数目为m
x(i)表示第i个x， y(i)表示第i个y
比如：x(1)=2014,y(2)=232
一组(x(i),y(i))被称为一个训练样本

h(x)

h(x)是对于y的对应值的一个“很好的”预测器,h指hypothesis

比如：
假设h(x)=θ0+θ1*x，我们的目标是根据训练集，使h(x)->y，h(x)尽可能地接近y
θ(i)为参数(Parameters)，比如θ0和θ1

cost function(成本函数)

目标是找到合适的θ0和θ1，使成本函数趋近于0 -> h(x)趋近于y

找到J(θ0,θ1)的最优解，从图形上来说，一次方程有全局最优解，如图所示
由θ0,θ1共同决定J(θ0,θ1)的结果 
把它变成平面图则是这样，横坐标是θ0，纵坐标是θ1，同一个圆圈的J(θ0,θ1)值一样，越往圆圈中心（最小的圆圈的中心）走，J(θ0,θ1)越小

最终得到最优解

视频资料：

https://www.bilibili.com/video/av9912938/