为什么假设要引入两个参数，即θ0和θ1

Question

我正在通过 Andrew Ng 教授的 Coursera 课程学习机器学习。讲师将假设定义为 "input"（x，在我的例子中）的线性函数，如下所示：

h_θ(x) = θ₀ + θ₁(x)

在监督学习中，我们有一些训练数据，并在此基础上尝试 "deduce" 一个将输入紧密映射到相应输出的函数。为了推导该函数，我们将假设引入为输入 (x) 的线性函数。我的问题是，为什么选择涉及两个 θ 的函数？为什么不能像 y⁽ⁱ⁾ = a * x⁽ⁱ⁾ 其中 a 是系数？稍后我们可以使用算法为给定示例 (i) 找到 a 的 "good" 值？这个问题可能看起来很愚蠢。抱歉，我不是很擅长机器学习，我只是个初学者。请帮助我理解这一点。

谢谢！

Answer 1

a对应θ₁。您提出的线性模型忽略了截距，即 θ₀.

考虑一个输出函数 y 等于常数 5，或者可能等于常数加上 x 的一小部分，它永远不会超过 .01。如果您的模型没有可以吸收 D.C 的 θ₀，那么将误差函数驱动到零将很困难。组件。