用偏导数作为梯度下降算法中下降量

机器学习2-7课讲梯度下降算法   首先，这个算法基于cost函数J（θ0，θ1）的偏导数，目的是找J的最小值（局部最小），J最小代表h与实际的（x,y）分布最接近。   运算时需要将（θ0，θ1）带入到每次运算中的hθ。因为每次梯度下降运算后，hθ=θ0+θ1x都会发生变化。   为什么偏导数是全部误差的均值，（再乘系数α）？ 因为，那不是hθ的导数，而是代价函数J（θ0，θ1）的偏导数，想想什

>>阅读原文<<