即求 min12∑mi=1(x(i)j−y(i))2=minJmin12∑i=1m(xj(i)−y(i))2=minJ ,
其中 x(i)jxj(i) 表示第 ii 个样本的第 维,有以下几种方法:
1. 梯度下降法(gradient descent)——batch
参数更新规则为 θk+1=θk−α∇θJ(θ)kθk+1=θk−α∇θJ(θ)k
因为
h(x)=∑i=0nθixi(x0=1)h(x)=∑i=0nθixi(x0=1)
∇θJ(θ)=[∂J∂θ0...∂J∂θj...∂J∂θn]T∇θJ(θ)=[∂J∂θ0...∂J∂θj...∂J∂θn]T
所以,
∂J∂θj=12∑i=1m2⋅(∑k