这篇博客介绍了如何在Matlab中实现梯度下降法，用于优化机器学习中的成本函数。作者参照吴恩达的机器学习课程，给出了成本函数的公式，并详细说明了在有x0=1的情况下，梯度下降的迭代更新规则。
是跟随吴恩达机器学习课程学习的，具体的推导过程不再给出
求Cost Function:
假设函数 h ( x ) = θ 0 + θ 1 x \displaystyle h(x) = \theta_0 + \theta_1 x h(x)=θ0+θ1x，样本数为 n n n，特征值数为 1 1 1，cost function为
J ( θ 0 , θ 1 ) = 1 2 n ∑ i = 1 n ( h ( x i ) − y i ) 2 \displaystyle J(\theta_0, \theta_1) = \frac{1}{2n}\sum^n_{i = 1}(h(x_i) - y_i)^2 J(θ0,θ1)=
最低0.47元/天 解锁文章
扫一扫
9635
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
