【吳恩達機器學習學習筆記03】Gradient Descent

一、問題綜述 我們上一節已經定義了代價函數J，現在我們下面講討論如何找到J的最小值，梯度下降（Gradient Descent）廣泛應用於機器學習的衆多領域。 首先是問題的綜述： 1、首先是一個未知函數的損失函數，參數個數也不一定，我們要使其最小化。視頻中只用了兩個函數。 2、梯度下降要做的就是：對θ0和θ1進行一些初步猜測（通常是選擇將θ0設爲0）；不停地一點一點地改變這兩個參數的大小，知道我們

>>阅读原文<<