吴恩达的机器学习课程涵盖线性回归

线性回归 是一种用于描述一个或多个自变量与因变量之间关系的建模方法。

其特征在于模型参数表现为一个或多个回归系数的线性组合。

一元线性回归：所涉及的变量数量为单一。

多元线性回归：所涉及的变量数量为两个或两个以上。

一、单变量/一元线性回归：

1.1监督学习算法工作的流程

h(hypothesis)：假设函数，其本质是一种将𝑥映射至𝑦的函数关系。
例如：

在此表达式中，θ代表模型的参数，x表示输入变量或特征，而y则对应输出或目标变量。

1.2代价函数/平方误差函数/平方误差代价函数

损失函数：