【吴恩达机器学习学习笔记03】Gradient Descent

一、问题综述 我们上一节已经定义了代价函数J，现在我们下面讲讨论如何找到J的最小值，梯度下降（Gradient Descent）广泛应用于机器学习的众多领域。 首先是问题的综述： 1、首先是一个未知函数的损失函数，参数个数也不一定，我们要使其最小化。视频中只用了两个函数。 2、梯度下降要做的就是：对θ0和θ1进行一些初步猜测（通常是选择将θ0设为0）；不停地一点一点地改变这两个参数的大小，知道我们

>>阅读原文<<