吴恩达机器学习笔记day1

类别

监督学习

非监督学习

半监督学习

强化学习

---

监督学习

1. 常见变量与式子

输入变量x = "input" varible（变量） or feature

输出变量y = "output"varible   "target" varible

数据集m = number of training examples

单个数据对(x,y) = single training example

第几个数据( x^(i),y^(i) )  = i^th training example

函数f  = model  \\ f_w,b (x) = wx + b(线，linear regression with one varible)

系数w ,b =  parameter or weights

线性回归常用平方差成本函数 j =  

2. 梯度下降

公式：

          

注意：1.w ,b 是同步更新的。

           2. （偏导数计算）

           3.alpha（学习率，0~1）太小会导致成本函数j下降太慢，太大可能会导致无法收敛。

           4.梯度下降是为了使成本函数j值降低。