机器学习理论推导——梯度下降和逻辑回归

 下面介绍梯度下降法： 假设一个线性模型： 为了便于描述，定义： 我们需要选择合适的参数θ0和θ1，使得h(x)和样本中的y尽可能接近。 统计学中，利用最小二乘法可以得到两个参数的解析解： 但是我们将使用计算机科学的常用思想：迭代来求出这两个值，因为在这里模型的简单使得我们非常容易地计算出解析解。实际中我们的模型可能非常复杂，无法求出解析解，因此使用迭代思想是一种通用的解法。 我们的目标和最小二乘

>>阅读原文<<