coursera Machine Learning--吳恩達--week2 學習筆記

1多變量線性迴歸 （對比單變量線性迴歸） 1.1多變量假設：輸入爲多維特徵。 1.2擬合函數： 這裏令x0 = 1，將變量向量化，向量化的過程如下： 1.3 損失函數和梯度下降 對比單變量，損失函數知識參數變多： 梯度下降法也沒有變，只是需要同時更新的參數變多： - 參數變多，加之樣本數量變多，原來的批梯度下降收斂速度慢，改進方式爲：隨機梯度下降 1.4 feature scaling 讓所有fe

>>阅读原文<<