機器學習（二） 梯度下降法

機器學習（二） 梯度下降法 前言： 在上篇博文機器學習（一）中，最後我們提到，通過計算代價函數J(Θ)是否收斂於最小值來確定假設函數的參數Θ，進而訓練出機器學習中的線性迴歸算法，那麼如何來找到使得J（Θ）最小話的參數Θ呢，本篇博文將介紹一種常用的方法，梯度下降法來確定參數Θ值。 一、對於單特徵線性迴歸，梯度下降法的算法如下： repeat untile Θ no change { } 其中 α是步

>>阅读原文<<