线性回归工作的数学解释

假设我们得到了一个数据集

给定的是公司的工作与经验数据集，任务是根据员工的工作经验预测其薪水。
本文旨在解释当使用预定义函数执行预测任务时，线性回归在数学上如何工作。
让我们探讨一下线性回归算法受训练时这些东西是如何工作的。
。
迭代1 -在开始时_，θ0和_θ1值进行随机choosen。让我们假设，θ= ₀和_θ1 = 0。

• 使用线性回归假设的迭代1之后的预测值。
  
• 成本函数–误差
  
• 梯度下降–更新_θ0值
  在这里，j = 0
  
• 梯度下降-更新_θ1个值
  在这里，j = 1
  

迭代2 – _θ0 = _0.005，θ1 = 0.02657

• 使用线性回归假设的迭代1之后的预测值。

  

  现在，类似于迭代编号。 1以上我们将使用梯度下降再次计算成本函数和更新θ_的J值来执行。
  我们将继续迭代，直到Cost函数不再减少为止。届时，模型将获得最佳θ值。在模型假设中使用这些θ值将提供最佳的预测结果。