批量梯度下降算法及简单Python实现

算法理论 为了实现监督学习，假设对于因变量y有自变量x1x2，则有y=θ1x1+θ2x2+θ0 θ0是偏移量，令θ0=1，得到： 我们再定义误差函数j(θ)（系数为1/2是用来消去后面的2）来表示h(x)与y的接近程度： 目的是使误差函数最小，需要求得使误差函数最小时的参数θ。对θ先随机初始化然后不断更新，更新算法使用梯度下降算法： 该更新公式的大致推导如下： 那么需要计算的是误差函数j(θ)的偏

>>阅读原文<<