吴恩达机器学习之单变量线性回归笔记

1.假设函数：即假设模型，比如线性函数 2.代价函数：最小化函数 3.梯度下降：分2部分，学习率和导数。当趋近局部最优时，导数值逐渐下降，如果学习率不变，梯度下降步长也逐渐减小 4.凸函数：局部最优，即是全局最优。如线性回归的代价函数就是凸函数 5.Batch Gradient descend：梯度下降过程，即迭代更新参数过程中，每一步迭代使用所有的训练集数据 线性回归模型及梯度下降求解算法原理

>>阅读原文<<