山东大学机器学习（实验一解读）——线性回归

网上关于线性回归的介绍已经很详细，结合课堂老师所讲的内容，下面是我个人的实验所做的内容，老师大部分实验都是斯坦福上的，不过要自己理解和学习需要自己实现其实也不难。我会以matlab代码形式展示给大家，希望对你们有帮助，有错误还望大家指正。

1. 2D线性回归

• 2D线性线性回归模型
  $$h_{\theta }(x)={\theta }^{T}x=\sum _{i=0}^1{\theta }_i{x}_i={\theta }_0+{\theta }_1{x}_1$$
• 梯度下降算法
  注意你选择的是梯度下降算法还是随机梯度下降算法，这两者是有区别的，具体的可以自行百度，我使用的是梯度下降算法。

• 实验内容
  （1）使用$\alpha =0.07$的学习率实施梯度下降。初始化参数$\theta =\vec{0}(i.e.,{\theta }_0={\theta }_1=0)$,并从该初始起点开始一次梯度下降迭代。 记录第一次迭代后得到的 θ 0 \theta_0