吴恩达机器学习【第四天】多元线性规划模型

多元线性模型

这一节的内容可以看作是之前一元线性模型的提高，
其中要明白符号的意思 $x_j^{（i）}表示第i个样本中的j指标$

找到满足假设的参数

梯度下降法

单纯的公式推导

特征放缩

如果对于数据 $x_1和x_2$，来说，如果数量级别相差很大的话，就需要对数据进行特征放缩，使得梯度下降计算更为简单。【比如下面 $x_1和x_2$的数量级就相差很大。】

B.It speeds up gradient descent by making it require fewer iterations to get to a good solution.

加快了梯度下降，通过更少的迭代来达到一个好的结果

可以对$x_1和x_2$进行处理

学习率的判断和选择

学习率太大的情况：

学习率太小的情况：

正规方程

需要补上$x_0$

记住这条公式

两种方法的比较

如果数据量小于一万的话,选择正规方程.【复杂度较高，低于一万可以忽略】
如果数据量大于一万的话,选择梯度下降方程.[有学习率(需要判断,麻烦)、需要多次迭代]