吴恩达机器学习——单变量线性回归

第二章讲的是单变量线性回归。
线性回归很简单，主要讲的是假设函数和代价函数，以及梯度下降算法。
首先是假设函数，这个是机器学习的核心，所有的算法都是为了求出一个合适的假设函数。
而为了高效率的求出假设函数，就引出了代价函数这个东西，代价函数的实质就是代价两个字，但预期值和实际值相差最小，就是代价函数最优，也就是假设函数最好的时候。
梯度下降算法是求代价函数最常用也最通用的方法。
因为之前学过线性代数和离散数学等科目，所以理解起来还是很容易的。