吴恩达机器学习【第二天】线性规划模型和梯度下降算法

前言：昨天因为想弄一个小程序，就耽搁了。补上

回顾：https://blog.youkuaiyun.com/aec153/article/details/119618892?spm=1001.2014.3001.5501

上节课讲了，关于监督学习和非监督学习，其中监督学习主要有回归和分类，非监督学习主要有聚类。

这次课程先从线性规划模型出发，

其中的叉叉点，是检测出来的数据，需要拟合出一条直线，以用来预测。【如何检测该模型是否为最佳呢？】

就引出损失函数：


按照损失函数求出的值要越小越好。

就是图中的最低点。【如何求出最低点呢？】
就引出梯度下降。

梯度下降就是找到最低点【或者是局部最低点】

可以看到上面有个倒数【或者也可以叫梯度】
注意这个 α 是学习速率【这个速率不能太大，太大的话容易飘，太小的话，耗费时间长】

到了最后一部分，将梯度下降引入到线性回归模型中：

求出最后的公式，就可以用计算机进行运算了~结束

谢谢吴恩达老师