线性回归中梯度下降法的代价函数除以2m

第一反应是为什么不是1/m，虽然效果是一样的，有人说是方便求导，记录一下：

线性回归中代价函数为： 

开始为何是除以2m，第一反应不应该除以m么？在吴恩达机器学习视频公开课上讲解是为了其他数学计算的方便。其实这里无论除以2m还是m，代价函数最优化的结果θ 都是相同的。

数学计算的方便：之后利用梯度下降法对J求导，如果是2m2m，求导结果为：∂J∂θi=1m∑i=1m(hθ(x(i))

这里正好除以m，便于计算。

也有人说是通过误差的极大似然估计推出来的。在吴恩达机器学习第50课时4:10也提到了类似的问题说的就是最大似然估计统计的结果。

其实可以理解，都是为了凸函数好算而使用的算法罢了，记住即可，不必深究。

转载自线性回归之代价函数除2m

官方的解释确实是为了梯度下降约掉平方。