coursera Machine Learning--吴恩达--week2 学习笔记

1多变量线性回归 （对比单变量线性回归） 1.1多变量假设：输入为多维特征。 1.2拟合函数： 这里令x0 = 1，将变量向量化，向量化的过程如下： 1.3 损失函数和梯度下降 对比单变量，损失函数知识参数变多： 梯度下降法也没有变，只是需要同时更新的参数变多： - 参数变多，加之样本数量变多，原来的批梯度下降收敛速度慢，改进方式为：随机梯度下降 1.4 feature scaling 让所有fe

>>阅读原文<<