線性迴歸與梯度下降算法

一、單變量線性迴歸 1.1 線性迴歸模型 其中J(θ0,θ1)是代價函數，目標可以用下圖來理解，也就是尋找θ0和θ1，使J(θ0,θ1)最小，即三維空間中的最低點。 1.2 梯度下降算法 梯度下降是一個用來求函數最小值的算法，我們將使用梯度下降算法來求出代價函數 J(θ0,θ1) 的最小值。 梯度下降背後的思想是：開始時我們隨機選擇一個參數的組合(θ0,θ1,…,θn)，計算代價函數，然後我們尋找

>>阅读原文<<