在阅读这篇博文之前你需要了解的数学知识:
1,误差:本篇用平方差误差公式。
2,函数的收敛性:当函数趋向无穷大或无穷小,或某个具体数值时,该函数总是逼近某个值,这就是函数的收敛性。
3,导数:导数的数学意义就是这个点的斜率。
4,矩阵。
在《机器学习笔记02-代价函数与梯度下降算法(一)》中我们谈到代价函数:
而在本篇博文中,我们将讨论如何用梯度下降算法求解代价函数J(θ0,θ1) 的最小值。
梯度下降背后的思想是:开始时我们随机选择一个参数的组合(θ0,θ1,...,θn),计算代价函数,然后我们寻找下一个能让代价函数值下降最多的参数组合。我们持续这么做直到到到一个局部最小值(local minimum),因为我们并没有尝试完所有的参数组合,所以不能确定我们得到的局部最