Coursera吳恩達機器學習教程筆記（三）

上回說到當假設函數的參數增多的時候，代價函數的維度就會變高，描點畫圖這種方法就不適用了，那得咋整呢？所以我們就要採用數學的方法找到代價函數的最小值。這個方法就是大名鼎鼎的梯度下降法。     啥叫梯度下降呢？來看這張圖。          這張圖的outline就是梯度下降的基本思想，先給定一組參數θ0，θ1，然後不斷調解上面兩個參數，來減小代價函數，知道代價函數減到最小。當然，梯度下降法不僅適用

>>阅读原文<<