吴恩达《机器学习》课程总结（2）_单变量线性回归

Q1模型表示

Q2：代价函数

对于回归问题常用的代价函数是平方误差代价函数：

我们的目标选取合适的参数Θ使得误差函数最小，即直线最逼近真实情况。

Q3:代价函数的直观理解(一个参数)

Q4:代价函数的直观理解(两个参数)

 

Q5梯度下降

 

Q6梯度下降的直观理解

（１）梯度下降法可以最小化任何代价函数，而不仅仅局限于线性回归中的代价函数。

（２）当越来越靠近局部最小值时，梯度值会变小，所以即使学习率不变，参数变化的幅度也会随之减小。

 

（３）学习率过小时参数变化慢，到达最优点的时间长，学习率大时，可能导致代价函数无法收敛，甚至发散。

（４）梯度就是某一点的斜率。

Q7梯度下降的线性回归 

 英语词汇

?

1 2 3 4 5 6 7 8

Linear regression with one variable ---单变量线性回归 model representation    ---模型表示 training set    ---训练集 hypothesis  ---假设 gradient descent   ---梯度下降 convergence    ---收敛 local minimum   ---局部最小值 global minimum  ---全局最大值

单变量线性回归课程总结（点我）