hacer que nuestro pronosticador funcione lo mejor posible.
Optimizar el pronosticador h(x)
ya no usa ejemplo de entrenamiento. Por cada ejemplo de entrenamiento, tenemos un valor de entrada x_train
, por el que se conoce previamente una salida correspondiente, y
. Por cada ejemplo, encontramos la diferencia entre el valor correcto conocido y
, y nuestro valor pronosticado h(x_train)
. Con suficientes ejemplos de entrenamiento, estas diferencias nos dan una manera útil de medir lo “errado” de h(x)
. Después podemos modificar un poco h(x)
al alterar los valores de