目录
1.多变量
利用矩阵书写假设函数 :
2.利用梯度下降处理多元线性回归函数,得到假设参数
将假设参数θ不看做分开的独立参数,而是看做一个n维的单位向量。
如下图,我们的目的是将多元线性函数转移到梯度下降函数中,不断更新θ_j的值,j变一次θ_就随之变一次。
下图中左边是旧的算法,只有一个变量,右边是多个变量的情况,接下来将会解释为什么这两个算法原理是一样的,他们是相似的算法,以及我们该怎么样进行运用。
下图中右下角解释了更新θ_j的规则,每一行其实都是单个变量的更新规则。
使用特征缩放的方法使得梯度下降算法能够更快收敛:
如下图,左边变量x_1和x_2的范围差异很大,会导致梯度下降的速度缓慢,下降路径非常曲折;右边进行特征缩放后,将x_1和x_2的范围都控制在0~1,得到更直接的梯度下降路径。