機器學習基礎（4）參數學習（梯度下降算法）

由上一篇文章我們知道，當 J ( θ 0 , θ 1 ) J(\theta_{0},\theta_{1}) J(θ0​,θ1​)最小時，參數 ( θ 0 , θ 1 ) (\theta_{0},\theta_{1}) (θ0​,θ1​)所構成的假設函數 h θ = θ 0 + θ 1 x h_{\theta}=\theta_{0}+\theta_{1}x hθ​=θ0​+θ1​x最能夠擬合樣本數據

>>阅读原文<<