机器学习—8个算法—简单总结(适合我的总结，非正式，谨慎点开)_柳成荫

1、单变量线性回归

代价：
        J = 1.0/(2*m)*np.sum(np.square(h-y))
梯度：
        deltatheta = (1.0/m)*np.dot(X.T,h-y)
精度：
        u = np.sum(np.square(h-y))
	    v = np.sum(np.square(y-np.mean(y)))
画图：
        min_x,max_x = np.min(X[:,1]),np.max(X[:,1])
        min_x_y,max_x_y = theta[0]+theta[1]*min_x,theta[0]+theta[1]*max_x
        plt.plot([min_x,max_x],[min_x_y,max_x_y])
代价：
        J = 1.0/(2*m)*np