m为 训练集的样品容量
x为输入变量(它代表输入特征)
y输出变量(目标变量)
(x(i),y(i))(i在x和y的右上角)表示:第i 训练集样品
:= 为赋值。
α:为学习率,用来控制梯度下降时,我们迈出多大的步子,α越大,梯度下降就越迅速
后面为导数项(不会的温习微积分)
代价函数和梯度下降
最新推荐文章于 2022-10-13 17:57:25 发布
m为 训练集的样品容量
x为输入变量(它代表输入特征)
y输出变量(目标变量)
(x(i),y(i))(i在x和y的右上角)表示:第i 训练集样品
:= 为赋值。
α:为学习率,用来控制梯度下降时,我们迈出多大的步子,α越大,梯度下降就越迅速
后面为导数项(不会的温习微积分)