ML:梯度下降(Gradient Descent)

现在我们有了假设函数和评价假设准确性的方法,现在我们需要确定假设函数中的参数了,这就是梯度下降(gradient descent)的用武之地。

梯度下降算法

不断重复以下步骤,直到收敛(repeat until convergence):
45066248.jpg
其中,j=0,1表示特征索引值
16728830.jpg

对线性回归使用梯度下降法

99640662.jpg

另外,此处课程设置了线性代数的复习讲解,线性代数对ML非常重要,建议复习一下。

转载于:https://www.cnblogs.com/mengnan/p/9307712.html

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值