梯度下降算法

梯度下降算法 以下是對吳恩達老師機器學習視頻的個人概括 對於一組數據，當我們用線性函數h（θ）來擬合時，擬合效果的好壞取決於方程的斜率和截距，而如何找到擬合效果最好的線性函數，我們需要用到代價函數，代價函數越小，擬合效果越好。 而梯度下降算法就是利用斜率與學習率的乘積決定步長，從而求解局部最小值的算法，來求得代價函數的最小值，其公式如下所示。 而代價函數是兩元兩次方程，所以，我們對其求偏微分，公式

>>阅读原文<<