模型 (监督学习例子) regression problem
m = 训练样本的数量
x = 输入变量 / 特征
y = 输出变量
(x(i),y(i)) 训练集索引 (第 i 行)
Hypothesis(假设函数)
Cost function (代价函数)/(误差平方)
训练误差结果
代价函数的作用
3D 表示
等高线表示
梯度下降
保持改变两 theta 的值来减小 J 直到最小
特点: 起点偏移一些, 就会得到完全不同的最优解
Gradient descent algorithm
α: 学习率
未完待续..
来源: http://www.bubuko.com/infodetail-2950003.html