吴恩达机器学习假设函数、梯度下降法总结

吴恩达机器学习假设函数、梯度下降法总结

**

1. 2020.9.22

**

1. 当假设函数h(X)中的m个取值的参数，使
   的值越小，实际值与预测值的平方差的和则说明h(x)中的参数取值的大小越好
   2.将代价函数J最小化的梯度下降法假定有两个参数x1，x2，步骤：
   a.给定x0，x1的初始值，通常设为x0=0，x1=0
   b.然后不停的一点一点改变x0，x1的值，是J(x0,x1)变小
   c.直到找到J(x0,x1)的最小值或者局部最小值
   这里要注意的是，θ0和θ1要同时更新
   从左到右，从上到下，分别是：最小梯度，假设函数，平方差代价函数上图是导函数的化简和运算推导过程
   多元假设函数求解梯度函数