吴恩达机器学习笔记(四):多变量函数
多变量函数式的基本形式
多变量是单变量的更一般的形式,在函数式中包含了更多的未知数。
因为单变量所描述的线性回归方程往往不能契合一些复杂的数据,所以多变量应运而出,将更多的特征放到预测函数里去,让其更好地契合数据,进行预测。
下图是多变量预测函数的基本形式及其矩阵形式。
多元假设基本形式及其代价函数
多元函数式的基本形式,就是将单元函数推广到更一般的情况。
其中参数是θ,其对应的代价函数如图所示。
传统的Gradient Decent
依旧是每个函数对代价函数求偏导
更新参数θ的算法
左边是单元函数时的θ更新方法,右边是有多个参数时的更新方法,左边可看作是右边的一种特殊形式。