摘要： 梯度下降算法的定义 对于cost function J(θ0, θ1, ... θn)，要想获取到其最小值，我们需要这么计算： 1. 从 θn 某个初始值开始，如 θ0 = 0, θ1 = 0,... θn = 0 2. 不断改变 θn 的值来减小 J(θ0, θ1, ... θn) 的值，直到我们 阅读全文

摘要： 表达模型 变量表示： x(i) : 第 i 个输入变量，也称为输入特征 y(i) : 第 i 个输入变量，即我们希望预测的内容 (x(i), y(i)) ; i = 1,...,m : 表示一个训练集 X : 输入值空间； Y ： 输出值空间 模型的表达： 对于监督学习来说，就是给定一个训练集，输出 阅读全文