机器学习—有监督学习—单变量线性回归(推导及代码实现)

一、算法推导

1、单变量线性回归模型

2、代价函数定义（误差平方和代价函数）

3、优化目标：寻找代价函数的最小值点（梯度下降算法）

梯度下降的关键是代价函数对参数θ0，θ1求偏导，找到梯度下降的方向。

通过参数更新方程，不断迭代，对参数θ通过学习率α，不断朝代价函数的最低点进行优化，最终迭代出最优参数。