y = a + bx 的目标函数
上一篇文章,我们解释了线性,本文我们回到求解线性回归目标函数的问题上。前面已知,线性回归的目标函数为:
$J(a,b) = \frac{1}{2m}\sum_{i=1}^{m}(a + bx^{(i)} - y^{(i)})^2$
J(a,b) 是一个二元函数。我们要求的是:两个参数 a 和 b 的值。要满足的条件是:a 和 b 取这个值的时候,J(a,b) 的值达到最小。
我们现在就来用之前讲过的算法:梯度下降法,来对其进行求解。
斜率、导数和偏微分
梯度下降法我们前面也讲过步骤,总结起来就是:从任意点开始,在该点对目标函数求导,沿着导数方向(梯度)“走”(下降)一个给定步长,如此循环迭代,直至“走”到导数为0的位置,则达到极小值。
为什么要求导呢?从下图可以看到:曲线表示一个函数,它在一个点处的导数值就是经过这个点的函数曲线的切线的斜率。
导数表现的是函数 f(x) 在 x 轴上某一点 $x_0$ 处,沿着 x 轴正方向的变化率/变化趋势,