吴恩达机器学习13：多变量线性回归(使用梯度下降来求解多变量)

1.使用梯度下降来处理多元线性回归，下式使我们多元线性回归的假设式，这个模型的参数是从θ0到θn，这里我们不把它看做n个独立的参数，而是把这些参数看做一个n+1维的θ向量，我们的代价函数是J(θ0,θ1,θ2......θn)

但是这里我们不把J看做n+1个数的函数，我们使用更通用的方式将J谢春哥θ参数的向量函数，所以这里的θ是一个向量

(1)下面是梯度下降的式子，我们要不断的更新每个θj参数，

　　

(2)接下来我们看看梯度下降函数。

　　　当n=1的时候，即有1个特征的时候，按照梯度下降算法，我们有两个独立的更新规则，分别对应的是θ0和θ1，这一部分就是代价函数对参数θ0求偏导。同样的，我们还有一个不同的更新规则，针对的是参数θ1

 

　　当我们有多个特征的时候(n>=1)，我们就可以得到这个梯度下降的更新规则，

　　

 

转载于:https://www.cnblogs.com/bigdata-stone/p/10303362.html