机器学习（二） 梯度下降法

机器学习（二） 梯度下降法 前言： 在上篇博文机器学习（一）中，最后我们提到，通过计算代价函数J(Θ)是否收敛于最小值来确定假设函数的参数Θ，进而训练出机器学习中的线性回归算法，那么如何来找到使得J（Θ）最小话的参数Θ呢，本篇博文将介绍一种常用的方法，梯度下降法来确定参数Θ值。 一、对于单特征线性回归，梯度下降法的算法如下： repeat untile Θ no change { } 其中 α是步

>>阅读原文<<