Andrew ng机器学习课程第一周

Hypothesis

hθ(x)=θ0+θ1x

Cost Function

它描述的是在任一θ下，h(x)和相应的y的接近程度，我们的目的是让它尽可能地小。

J(θ)=12m∑mi(hθ(x(i))−y(i))2

To break it apart, it is 12x^ where x^ is the mean of the squares of hθ(x(i))−y(i), or the difference between the predicted value and the actual value.

用等高线表示如下图所示

Gradient Descent

α>0是学习率,，更新时两个变量同时更新。

批量梯度下降

随机梯度下降