为了找到一条拟合函数,使得函数和结果之间误差最小。假设h、参数θ、代价函数J 以及优化目标 。我们会先设定一条基础函数如:,通过不断设定θ1 and θ0的值,求min误差代价函数
那么怎么找出min代价函数对应的θ1 and θ0
1.什么是梯度下降算法?
通过不断求局部最优解
通过直到θj收敛(:=是赋值的意思,α是学习速率,它控制我们以多大的幅度更新这个参数θj.),即不断更新θ1 and θ0
不断调整函数的参数
作者留言:还在不断更新中。。。。
为了找到一条拟合函数,使得函数和结果之间误差最小。假设h、参数θ、代价函数J 以及优化目标 。我们会先设定一条基础函数如:,通过不断设定θ1 and θ0的值,求min误差代价函数
那么怎么找出min代价函数对应的θ1 and θ0
1.什么是梯度下降算法?
通过不断求局部最优解
通过直到θj收敛(:=是赋值的意思,α是学习速率,它控制我们以多大的幅度更新这个参数θj.),即不断更新θ1 and θ0
不断调整函数的参数
作者留言:还在不断更新中。。。。