用偏導數作爲梯度下降算法中下降量

機器學習2-7課講梯度下降算法   首先，這個算法基於cost函數J（θ0，θ1）的偏導數，目的是找J的最小值（局部最小），J最小代表h與實際的（x,y）分佈最接近。   運算時需要將（θ0，θ1）帶入到每次運算中的hθ。因爲每次梯度下降運算後，hθ=θ0+θ1x都會發生變化。   爲什麼偏導數是全部誤差的均值，（再乘係數α）？ 因爲，那不是hθ的導數，而是代價函數J（θ0，θ1）的偏導數，想想什

>>阅读原文<<