梯度下降(Gradient descent)
- 是一种求函数最小值的算法,梯度下降算法可以使代价函数J最小化。
- 不仅适用于线性回归问题,同时也适用于一些其他情况。
Have some function J ( θ 0 , θ 1 ) J(\theta_0,\theta_1) J(θ0,θ1)
Want m i n θ 0 , θ 1 J ( θ 0 , θ 1 ) min_{\theta_0,\theta_1}J(\theta_0,\theta_1) minθ0,θ1J(θ0,θ1)
算法步骤
1). 开始随机选择一个参数组合计算,可以设置为0
start with some θ 0 , θ 1 \theta_0,\theta_1 θ0,θ1 (say θ 0 = 0 , θ 1 = 0 \theta_0=0,\theta_1=0 θ0=0,θ1=0 )
2).然后不停地一点点地改变参数组合,试图通过这种改变使得代价函数变小,一直持续到找到J的最小值或者局部最小值。
keep changing θ 0 , θ 1 \theta_0,\theta_1 θ0,θ1 to reduce J ( θ 0 , θ 1 ) J(\theta_0,\theta_1) J(θ0,θ1)
until we hopefully end up at a minimum