打卡学习第六天：代价函数

代价函数：

目标：寻找一个θ1, θ0 使得预测值接近训练集中的样本

方法：预测值与ground truth求差的平方，对于所有样本的该值进行求和，最后除以2m（1/2为简化计算），形成代价函数。最小化该代价函数，得到对应的θ0和θ1

平方误差——解决回归问题的最常用手段

公式：

公式代表的含义：对所有的训练样本进行求和，将第i号对应的预测结果【也就是hθ(x)】减去第i号房子的实际价格，所得的差的平方相加得到总和，在除以样本数，并求出最小值。

因此，我们最重要找出来的就是找到对应的θ0和θ1