單變量線性迴歸中的梯度下降法求解代價函數的最小值

1. 什麼是代價函數 在線性迴歸中我們有一個像這樣的訓練集，m代表了訓練樣本的數量，比如 m = 47。而我們的假設函數， 也就是用來進行預測的函數，是這樣的線性函數形式 ， 則代價函數可以表示爲： 我們繪製一個等高線圖，三個座標分別爲θ0 和θ1 和 J(θ0,θ1)： 則可以看出在三維空間中存在一個使得 J(θ0,θ1)最小的點。 代價函數也被稱作平方誤差函數，有時也被稱爲平方誤差代價函數。我

>>阅读原文<<