為了解決實際生活中的問題，我們通常需要乙個數學模型。比如，小明有乙個房子（他想賣掉房子），為了知道房子的**，小明收集了該地區近兩年的房屋交易**，他發現房屋**與房屋大小呈正相關，所以他畫了了一幅圖
小明的房屋大小用紅色的×代替。可見和小明房屋一樣大小的房子並不存在，而類似的房屋**又有很大差別，如此小明決定用乙個數學函式來呈現該地區不**屋大小的**趨勢。這就是擬合。
小明決定選擇一次函式來擬合資料，
如今，我們為了求出擬合函式的確定表示式，必須要求出兩個引數θ的值。那麼，我們定義成本函式（代價函式）
我們先來解釋為什麼成本函式為什麼是這個樣子。
先從目的出發，如果我們的擬合函式達到了最優擬合（對於給定的房屋大小，返回無誤差的房屋**），那麼成本函式的值為0，對不對？
也就是說擬合函式的**值和實際結果值越接近，那麼成本函式就要越小。
那麼這樣，我們也可以選擇其他的成本函式，比如對數函式等，這裡我們選擇了均方差作為成本函式。
這時候有人就會問，均方差可沒有乘1/2，你m前面的2，哪來的？
這裡的1/2主要是為了在以後求導的時候消去係數，乘與不乘對我們的成本函式本身沒有影響，但是為了簡便運算，我們乘上1/2。
回到剛才的目的：為了求得擬合函式的確定表示式。
那麼我們的目的現在轉變為：當
2.標準方程
用這個公式就可以求得最合適的引數值矩陣。
吳恩達機器學習筆記
sigmoid啟用函式 0，1 x 0,y 0.5 tanh啟用函式 1，1 x 0,y 0 relu啟用函式 x 0,y 0 x 0,y x sigmoid啟用函式 除了輸出層是乙個二分類問題基本不會用它。tanh啟用函式 tanh是非常優秀的，幾乎適合所有場合。relu啟用函式 最常用的預設函式...
吳恩達機器學習筆記（1）
1 用來進行資料探勘 2 讓機器進行自我學習 3 能對使用者進行個性化定製的應用程式 4 了解人類大腦的執行機制 arthor samuel的定義 是在沒有對機器進行明確的程式設計的情況下讓機器具有自主學習的能力。學習演算法主要分為兩大類，監督學習演算法和非監督學習演算法。監督學習演算法就是明確告訴...
吳恩達機器學習筆記 導論
機器學習分類 supervised learning 監督學習 回歸問題 設法 連續值的屬性。如 房屋售價 分類問題 設法 乙個離散的輸出值。breast cancer。unsupervised learning 無監督學習 給定乙個資料集，我們不知道資料點究竟是什麼意思，找到資料的結構 對於給定的...